将每日数据平均为每周数据答案

【问题标题】：Averaging daily data into weekly data将每日数据平均为每周数据
【发布时间】：2013-02-27 00:55:07
【问题描述】：

我想知道是否有办法将每日数据平均为每周数据。我称之为 CADaily 的数据框如下所示：

      > CADaily[1:10, ]
          Climate_Division       Date      Rain
      885                1 1948-07-01 0.8750000
      892                1 1948-07-02 2.9166667
      894                1 1948-07-03 0.7916667
      895                1 1948-07-04 0.4305556
      898                1 1948-07-05 0.8262061
      901                1 1948-07-06 0.5972222
      904                1 1948-07-17 0.04166667
      905                1 1948-07-18 0.08333333
      907                1 1948-07-20 0.04166667
      909                1 1948-07-22 0.12500000
      910                1 1948-07-21 NA

我的目标类似于聚合函数，根据日期（当然）和气候分区（范围从 1 到 7）将每日降雨的平均值转换为每周降雨值。我在网上搜索时发现了一个可以使用但与我的目标不太相符的代码：

      apply.weekly(xts(CADaily[,-2], order.by= CADaily[,2]), FUN = mean)

这符合我的要求，但我的专栏 Climate_Division 也是平均的。我只想对 Rain 进行平均，然后根据 Climate_Division 和 Date 对其进行排序。有没有办法我可以这样做：

      aggregate(CADaily, by =list(CADaily$Climate_Division, CADaily$Date), FUN = mean, na.rm = TRUE)

日期在哪里以某种形式的周？还是有别的办法？

编辑：

亲爱的，

感谢您的帮助。也许使用聚合并不是我最初认为的最好的方法。在输出方面，我想获得数据（1948 - 1995 年）所有年份的每周平均降雨量。换句话说，我想获得一种很好的格式，我可以将它输入到具有周末日期形式的时间序列中。我正在寻找的输出（请记住，可能存在 NA 值）是：

      Climate_Division     Date          Rain
      1                    1948-07-03    1.527778
      1                    1948-07-10    0.6179946
      1                    1948-07-17    0.04166667
      1                    1948-07-24    0.08333333
      ...
      1                    1995-12-23    0.24513245
      1                    1995-12-30    0.12450545

或者有没有更好的方法来表达由日期表示的每周数据？

感谢您的帮助。

【问题讨论】：

标签： r dayofweek

【解决方案1】：

更新答案

根据 OP 对请求的更新，我修改了代码以汇总每周定义的日期（星期六）的数据。这次我只使用 base R 中可用的函数。它忽略了 NA（如果给定的 End_of_Week-Climate_Division 只有 NA，你会得到 NaN，而不是数字）。

# Data with another Climate division as example (same daily values and dates)
CADaily <-
structure(list(Climate_Division = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 
1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2), Date = structure(c(1L, 2L, 
3L, 4L, 5L, 6L, 7L, 8L, 9L, 10L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 
8L, 9L, 10L), .Label = c("01/07/1948", "02/07/1948", "03/07/1948", 
"04/07/1948", "05/07/1948", "06/07/1948", "17/07/1948", "18/07/1948", 
"20/07/1948", "22/07/1948"), class = "factor"), Rain = c(0.875, 
2.9166667, 0.7916667, 0.4305556, 0.8262061, 0.5972222, 0.04166667, 
0.08333333, 0.04166667, 0.125, 0.875, 2.9166667, 0.7916667, 0.4305556, 
0.8262061, 0.5972222, 0.04166667, 0.08333333, 0.04166667, 0.125
), week = c(27, 27, 27, 27, 27, 27, 29, 29, 29, 30, 27, 27, 27, 
27, 27, 27, 29, 29, 29, 30)), .Names = c("Climate_Division", 
"Date", "Rain", "week"), row.names = c(NA, 20L), class = "data.frame")

# Coerce to Date class
CADaily$Date <- as.Date(x=CADaily$Date, format='%d/%m/%Y')

# Extract day of the week (Saturday = 6)
CADaily$Week_Day <- as.numeric(format(CADaily$Date, format='%w'))

# Adjust end-of-week date (first saturday from the original Date)
CADaily$End_of_Week <- CADaily$Date + (6 - CADaily$Week_Day)

# Aggregate over week and climate division
aggregate(Rain~End_of_Week+Climate_Division, FUN=mean, data=CADaily, na.rm=TRUE)

# Output
#   End_of_Week Climate_Division       Rain
# 1  1948-07-03                1 1.52777780
# 2  1948-07-10                1 0.61799463
# 3  1948-07-17                1 0.04166667
# 4  1948-07-24                1 0.08333333
# 5  1948-07-03                2 1.52777780
# 6  1948-07-10                2 0.61799463
# 7  1948-07-17                2 0.04166667
# 8  1948-07-24                2 0.08333333

其他操作

此外，使用此代码，您可以从其他聚合函数中获取结果，假设结果是每个周除对的相同长度的原子向量。

# Aggregate over week and climate division, and show the total number of
# observations per week, the number of observations which represent missing
# values, the average, and the standard deviation.
aggregate(Rain~End_of_Week+Climate_Division, data=CADaily,
          FUN=function(x) c(n=length(x),
                            NAs=sum(is.na(x)),
                            Average=mean(x, na.rm=TRUE),
                            SD=sd(x, na.rm=TRUE)))

# Output. You get NA for the standard deviation if there is only one observation.
#   End_of_Week Climate_Division     Rain.n   Rain.NAs Rain.Average    Rain.SD
# 1  1948-07-03                1 3.00000000 0.00000000   1.52777780 1.20353454
# 2  1948-07-10                1 3.00000000 0.00000000   0.61799463 0.19864151
# 3  1948-07-17                1 1.00000000 0.00000000   0.04166667         NA
# 4  1948-07-24                1 3.00000000 0.00000000   0.08333333 0.04166667
# 5  1948-07-03                2 3.00000000 0.00000000   1.52777780 1.20353454
# 6  1948-07-10                2 3.00000000 0.00000000   0.61799463 0.19864151
# 7  1948-07-17                2 1.00000000 0.00000000   0.04166667         NA
# 8  1948-07-24                2 3.00000000 0.00000000   0.08333333 0.04166667

原答案

尝试使用lubridate 包。加载它，然后聚合（作为原始答案的一部分保留记录，这反映了 OP 按周聚合的请求）。

# Load lubridate package
library(package=lubridate)

# Set Weeks number. Date already of class `Date`
CADaily$Week <- week(CADaily$Date)

# Aggregate over week number and climate division
aggregate(Rain~Week+Climate_Division, FUN=mean, data=CADaily, na.rm=TRUE)

# Output
#   Week Climate_Division       Rain
# 1   27                1 1.07288622
# 2   29                1 0.05555556
# 3   30                1 0.12500000
# 4   27                2 1.07288622
# 5   29                2 0.05555556
# 6   30                2 0.12500000

【讨论】：

亲爱的奥斯卡，感谢您的帮助。也许使用聚合并不是我最初认为的最好的方法。在输出方面，我想获得数据（1948 - 1995 年）所有年份的每周平均降雨量。换句话说，我想获得一种很好的格式，我可以将它输入到具有周末日期形式的时间序列中。例如：
抱歉，由于上述评论中的所有内容都不适合，我将在主要问题上进行编辑。
啊，用周末代替一年中的周数很容易，我们将放弃使用非基础包。基本上，您应该获取每个日期的工作日，并将该日期添加到该周星期六的剩余天数。稍后我上班时会更新答案。
完美！做我想做的事。感谢您对奥斯卡的所有帮助。
@OscardeLeón，关于您的原始答案，我认为在CADaily$Week <- Week(CADaily$Date) 中应该是week 而不是Week。

【解决方案2】：

xts 非常适合此类操作。使用endpoints 对数据进行子集化，然后使用sapply 每周对其进行处理。

CADaily <- read.table(text ='     Climate_Division       Date      Rain
      885                1 1948-07-01 0.8750000
      892                1 1948-07-02 2.9166667
      894                1 1948-07-03 0.7916667
      895                1 1948-07-04 0.4305556
      898                1 1948-07-05 0.8262061
      901                1 1948-07-06 0.5972222
      904                1 1948-07-17 0.04166667
      905                1 1948-07-18 0.08333333
      907                1 1948-07-20 0.04166667
      909                1 1948-07-22 0.12500000',head=T)
dat.xts <- xts(CADaily[,-2], order.by= as.POSIXct(CADaily[,2]))
INDEX <- endpoints(dat.xts, 'weeks')

lapply(1:(length(INDEX) - 1), function(y) {
    y <- dat.xts[(INDEX[y] + 1):INDEX[y + 1]]
    data.frame(y$Climate_Division,mean(y$Rain))

  })

我的结果是按周列出的：

[[1]]
           Climate_Division mean.y.Rain.
1948-07-01                1     1.168019
1948-07-02                1     1.168019
1948-07-03                1     1.168019
1948-07-04                1     1.168019
1948-07-05                1     1.168019

[[2]]
           Climate_Division mean.y.Rain.
1948-07-06                1    0.5972222

[[3]]
           Climate_Division mean.y.Rain.
1948-07-17                1       0.0625
1948-07-18                1       0.0625

[[4]]
           Climate_Division mean.y.Rain.
1948-07-20                1   0.08333334
1948-07-22                1   0.08333334

【讨论】：

这很好，但是，当我使用您的算法运行完整数据时，我遇到了许多警告：警告消息：1：在 data.row.names(row.names, rowsi, i) 中：一些 row.names 重复：2,3,4,5,6,7,9,12,13,15,16 --> row.names 不使用命令 tail(x)，其中 x 是我设置的相等对于函数 lapply 返回的内容，我没有获得某个日期所有部门都存在的日期：
[[140]] Climate_Division mean.y.Mean..na.rm...TRUE。 1948-05-28 17:00:00 2 4.020833 1948-05-29 17:00:00 2 4.020833 [[141]] Climate_Division mean.y.Mean..na.rm...TRUE。 1948-05-31 17:00:00 2 0.02083333 1948-06-05 17:00:00 2 0.02083333
[[142]] Climate_Division mean.y.Mean..na.rm...TRUE。 1 1 0.486447 2 2 0.486447 3 3 0.486447 4 4 0.486447 5 5 0.486447 6 6 0.486447 7 7 0.486447 8 1 0.486447 9 2 0.486447 10 1 0.486447 11 1 0.486447 跨度>
@LucianoRodriguez 我迷路了！:)
@agstudy，很抱歉让你迷路了，我不太熟悉如何在评论中使文本变得漂亮。但我正在寻找的输出是在我的主要问题的编辑版本中。让我知道这是否仍然令人困惑：/

【解决方案3】：

我回溯了我之前的回答。我觉得这个简单多了。

你只需要找出每一行即将到来的周末日期，然后聚合

CADaily <- read.table(text = "Climate_Division       Date      Rain\n1 1948-07-01 0.8750000\n1 1948-07-02 2.9166667\n1 1948-07-03 0.7916667\n1 1948-07-04 0.4305556\n1 1948-07-05 0.8262061\n1 1948-07-06 0.5972222\n1 1948-07-17 0.04166667\n1 1948-07-18 0.08333333\n1 1948-07-20 0.04166667\n1 1948-07-22 0.12500000\n2 1948-07-01 0.8750000\n2 1948-07-02 2.9166667\n2 1948-07-03 0.7916667\n2 1948-07-04 0.4305556\n2 1948-07-05 0.8262061\n2 1948-07-06 0.5972222\n2 1948-07-17 0.04166667\n2 1948-07-18 0.08333333\n2 1948-07-20 0.04166667\n2 1948-07-22 0.12500000", 
    head = T)

CADaily$weekend <- as.POSIXlt(CADaily$Date) + (7 - as.POSIXlt(CADaily$Date)$wday) * 24 * 60 * 60

aggregate(Rain ~ weekend + Climate_Division, data = CADaily, FUN = mean)
##      weekend Climate_Division       Rain
## 1 1948-07-04                1 1.52777780
## 2 1948-07-11                1 0.61799463
## 3 1948-07-18                1 0.04166667
## 4 1948-07-25                1 0.08333333
## 5 1948-07-04                2 1.52777780
## 6 1948-07-11                2 0.61799463
## 7 1948-07-18                2 0.04166667
## 8 1948-07-25                2 0.08333333

【讨论】：

尊敬的 geektrader，感谢您的输入。但是，查看您的输出，结果按除法分隔，但它们不是每周值。例如，第一个输出是 1948-07-05，而第二个输出是第二天 1948-07-06。所以这不一定是每周一次。有没有办法在每周的星期六做平均？
@LucianoRodriguez 我已经编辑了我的答案，以更简单的方式直接使用 data.frame 本身
@geektrader 正如我之前建议的那样。尝试使用strptime 和format='%w'。这将为您提供工作日作为数字（星期六 = 6），而不会更改为基于秒的 POSIXlt。
@OscardeLeón from ?strptime strptime 将字符向量转换为“POSIXlt”类：其输入 x 首先由 as.character 转换。
@geektrader 你是对的。谢谢，对于误导性的评论，我们深表歉意。

【解决方案4】：

只是做：

library(tidyverse)
library(lubridate)

df <- df %>% 
  group_by(week = week(Date)) %>% #make sure 'Date' is a Date.object
  mutate("rain_mean" = mean(Rain))

【讨论】：

请在您的回答中提供更多详细信息。正如目前所写的那样，很难理解您的解决方案。