R多列分组

Question

我有一个数据集x_output，如下所示：

          timestamp   city wait_time weekday
2015-07-14 09:00:00 Boston       1.4 Tuesday
2015-07-14 09:01:00 Boston       2.5 Tuesday
2015-07-14 09:02:00 Boston       2.8 Tuesday
2015-07-14 09:03:00 Boston       1.6 Tuesday
2015-07-14 09:04:00 Boston       1.5 Tuesday
2015-07-14 09:05:00 Boston       1.4 Wednesday

我想找到平均 wait_time，按 city、weekday 和 time 分组。基本上，给定您所在的城市，例如，星期一的平均等待时间是多少？然后星期二？

我在创建time 列给定x_output$timestamp 时遇到困难；我目前正在使用：

x_output$time <- strsplit(as.character(x_output$timestamp), split = " ")[[1]][2]

但是，这只是将“09:00”放在每一行中，而不是每一行的正确时间。

其次，我需要有一个 3 路分组来找到给定城市、工作日和时间的平均 wait_time。这是在 python pandas 中相当简单的事情，但我可以在 R 中找到很少的文档（不幸的是我需要在 R 中，而不是 python）。

我已经研究过使用data.table，但这似乎不起作用。有没有像 python pandas 中那样的简单函数（例如df.groupby(['col1', 'col2', 'col3']).mean()）？

Answer 1

平均 wait_time 按城市、工作日、时间分组：

library(plyr)
ddply(x_output, .(city, weekday, time), summarize, avg=mean(wait_time))

如果你想要data.table

x_output[, list(avg=mean(wait_time)), .(city, weekday, time)]

在给定x_output$timestamp 的情况下，我很难创建time 列

那么，time 列应该包含什么？只是timestamp 的时间部分？ timestamp 是 POSIXct 还是字符串？

如果是POSIXct，那么你可以直接转换成字符，指定时间格式：

x_output$time <- as.character(x_output$timestamp, '%H:%M')
# or as.factor(as.character(...)) if you need it to be a factor.
# in data.table: x[, time:=as.character(timestamp, '%H:%M')]

这将使time 列成为带有小时和分钟的字符串。有关将该日期时间转换为字符串的更多选项（例如，如果您想包含秒数），请参阅 ?strptime。

如果是字符串，可以strsplit并提取第二个组件：

vapply(strsplit(x_output$timestamp, ' '), '[', i=2, 'template')

这将为您提供“HH:MM:SS”作为您的时间格式。如果您想做自定义时间格式，最好将您的 timestamp 字符串转换为 POSIXct 并返回到已经提到的特定格式。