根据开始和结束时间从时间序列中获取数据答案

【问题标题】：Getting data from time series as per start and end time根据开始和结束时间从时间序列中获取数据
【发布时间】：2012-06-27 11:43:53
【问题描述】：

我有 100 个文本文件，其中包含在不同时间点开始和结束的时间序列。我想提取系列中常见时间段的值。使用以下代码生成示例数据：

set.seed(1)
D1 = data.frame(time = seq(ISOdatetime(2012, 6, 26, 3, 15, 00), 
                       length = 500, by = 900),
            value = rnorm(500))
D2 = data.frame(time = seq(ISOdatetime(2012, 6, 24, 5, 30, 00),
                       length = 541, by = 900),
            value = rnorm(541))
D3 = data.frame(time = seq(ISOdatetime(2012, 6, 23, 5, 45, 00),
                       length = 700, by = 900),
            value = rnorm(700))

此数据将为您提供 3 个时间序列的开始和结束以及不同的时间。我希望只保留共同时间段的值并删除其余的值。 IE。如果，

第一个系列以“2012-6-26 3:45:26”开头，以“2012-8-07 4:45:26”结尾
2nd 以“2012-6-24 5:55:27”结尾，以“2012-7-28 7:45:26”结束
3rd 以“2012-6-23 5:04:30”结尾，以“2012-7-27 4:45:26”结束

然后我希望保留三个时间序列的交集数据，即数据对应于：-

开始：“2012-6-26 3:45:26”
结束：“2012-7-27 4:45:26”
适用于所有 3 个系列并删除其余部分。

我搜索了 SO 和其他网站，但没有找到任何解决方案。需要帮助。我如何做到这一点？

【问题讨论】：

您关心的时间精度是多少？您的计算 (15*60) 以 15 分钟为间隔，但您提到的第二个和第三个系列（5:55:27 和 5:04:30）的假设开始时间不是。这可能会使合并变得困难，因为默认情况下合并将通过精确的时间匹配来完成。可能有其他方法而不是合并，但这就是我想到的。看了我的回答和这条评论，你的数据是容易合并的形式还是其他形式？

标签： r time-series zoo

【解决方案1】：

您似乎需要熟悉xts 包。将您的数据框转换为xts 时间序列对象并使用merge。 merge 会合并所有的值，所以如果你想要所有的值都出现，你也可以使用na.omit。

require(xts)
D1 = xts(d1$Value, d1$Time)
D2 = xts(d2$Value, d2$Time)
D3 = xts(d3$Value, d3$Time)
temp = merge(D1, D2, D3)

这是一些示例输出。对于head 和tail，请注意NA 值的存在。

head(temp)
#                              D1 D2 D3
# 2012-06-26 13:15:19 -0.50219235 NA NA
# 2012-06-26 13:30:19  0.13153117 NA NA
# 2012-06-26 13:45:19 -0.07891709 NA NA
# 2012-06-26 14:00:19  0.88678481 NA NA
# 2012-06-26 14:15:19  0.11697127 NA NA
# 2012-06-26 14:30:19  0.31863009 NA NA
tail(temp)
#                     D1 D2         D3
# 2012-07-04 05:45:19 NA NA  1.4799645
# 2012-07-04 06:00:19 NA NA -0.3942801
# 2012-07-04 06:15:19 NA NA -0.6767234
# 2012-07-04 06:30:19 NA NA -0.2425192
# 2012-07-04 06:45:19 NA NA  0.4547177
# 2012-07-04 07:00:19 NA NA  1.1712661
head(na.omit(temp))
#                             D1          D2          D3
# 2012-06-27 14:15:19 -0.3329234 -1.63230970  0.75619287
# 2012-06-27 14:30:19  1.3631137 -0.06299626 -1.36131851
# 2012-06-27 14:45:19 -0.4691473 -0.70544686 -0.60876462
# 2012-06-27 15:00:19  0.8428756 -0.31417818 -0.21174696
# 2012-06-27 15:15:19 -1.4579937 -0.26694627 -0.67847242
# 2012-06-27 15:30:19 -0.4003059  0.15315947  0.06665787
tail(na.omit(temp))
#                              D1         D2          D3
# 2012-07-01 16:45:19 -0.49419020  1.1911322  2.73143169
# 2012-07-01 17:00:19 -1.71111303  0.7613245  0.57057667
# 2012-07-01 17:15:19  0.04005805 -0.1210687  1.32083870
# 2012-07-01 17:30:19 -0.56114348 -1.2250590  0.09951626
# 2012-07-01 17:45:19 -2.55736206 -0.1637461 -0.39435301
# 2012-07-01 18:00:19 -0.69677881 -1.3138963  0.63649492

【讨论】：