计算数据框中每秒值的平均值答案

【问题标题】：Calculating mean for every second value in a dataframe计算数据框中每秒值的平均值
【发布时间】：2015-09-10 10:41:12
【问题描述】：

我想按平均值聚合每两个单元格值，并在数据框的列中继续执行相同的过程。更准确地说，请参阅以下数据框摘录：

    X         Y             Z
1   FRI 200101010000    -6.72
2   FRI 200101010030    -6.30
3   FRI 200101010100    -6.26
4   FRI 200101010130    -5.82
5   FRI 200101010200    -5.64
6   FRI 200101010230    -5.29
7   FRI 200101010300    -5.82
8   FRI 200101010330    -5.83
9   FRI 200101010400    -5.83
10  FRI 200101010430    -6.04
11  FRI 200101010500    -5.80
12  FRI 200101010530    -6.09

我想通过以 00 和 30 结尾的 Y 来计算每个 Z 的平均值，这意味着计算 #row 1+2、#row 3+4、#row 5+6 等的平均值...参见我在这里的期望：

    X         Y             Z
1   FRI 200101010100    -6.51
2   FRI 200101010200    -6.04
3   FRI 200101010300    -5.47
...

说明：Y 是时间：YYYYMMDDhhmm，我想将 30 分钟的测量值平均到 1 小时的测量值

【问题讨论】：

X 怎么样？它是否也应该出现在分组过程中？
没有必要，因为所有行都有相同的 X
您的数据是针对单个日期的？
不，不是针对单个日期，而是针对单个测量站。说清楚：X=站名，Y=200101010000到201201010000的日期，Z=测值降水

标签： r dataframe aggregate mean

【解决方案1】：

这是一个可能的data.table 解决方案

library(data.table)
setDT(df)[, .(Y = Y[1L], Z = mean(Z)), by = .(X, indx = cumsum(substr(Y, 11, 12) == '00'))]
#      X indx            Y      Z
# 1: FRI    1 200101010000 -6.510
# 2: FRI    2 200101010100 -6.040
# 3: FRI    3 200101010200 -5.465
# 4: FRI    4 200101010300 -5.825
# 5: FRI    5 200101010400 -5.935
# 6: FRI    6 200101010500 -5.945

或者根据@akruns 评论，使用来自base 的aggregate（尽管输出可能需要一些额外的tweeking）

aggregate(Z ~ X + indx, transform(df, indx = cumsum(substr(Y, 11, 12) == '00')), mean)

【讨论】：

使用aggregate aggregate(Z~ X + indx, transform(df, indx=cumsum(substr(Y,11,12)=='00')), FUN=mean)

【解决方案2】：

一个 base-R 解决方案，我首先将向量分成几部分并计算每个部分的平均值，这当然假设您指定的顺序始终成立。最后我将它们结合起来给出你的结果：

Z <- unlist(lapply(split(df$Z, ceiling(seq_along(df$Z) / 2)), mean))
new_df <- cbind(df[seq(1,nrow(df), 2), c("X", "Y")], Z)

输出：

     X            Y      Z
1  FRI 200101010000 -6.510
3  FRI 200101010100 -6.040
5  FRI 200101010200 -5.465
7  FRI 200101010300 -5.825
9  FRI 200101010400 -5.935
11 FRI 200101010500 -5.945

【讨论】：

【解决方案3】：

dplyr 版本

library(dplyr)

df$Y <- as.character(df$Y)

means <- df %>%
        group_by(hour = substr(Y, start = 1, stop=10)) %>% summarise(Z = mean(Z))

> means
Source: local data frame [6 x 2]

        hour      Z
1 2001010100 -6.510
2 2001010101 -6.040
3 2001010102 -5.465
4 2001010103 -5.825
5 2001010104 -5.935
6 2001010105 -5.945

按 Y 变量对数据进行分组，不包括最后两位数。

【讨论】：

对不起。忘记编辑了。它是数据框（df）。 X 不是必需的，因为该信息也在 date(Y) 变量中。
无论哪种方式，您都不需要mutate，您可以按照df %>% group_by(hour = substr(Y, start = 1, stop=10)) %>% summarise(mean(Z)) 在group_by 中一步完成。虽然我认为你应该添加结果，因为它与 OP 想要的并不完全相同
谢谢。不知道那个。更新了答案

【解决方案4】：

虽然这并没有解决 OP，但如果您有 POSIXct 列，通常可以按秒聚合：

library(lubridate)
library(tidyverse)
s <- seq(from=Sys.time(), length.out = 100, by=0.4)
df  = data.frame(time=s,v=rnorm(length(s)))
df %>% 
  group_by(time=floor_date(time, "1 second")) %>% 
  summarize(v=mean(v)) # you can put any other interval like 5 minute

【讨论】：