如何使用特定时间窗口调用函数？

Question

假设我有一个动物园对象（或者它可能是一个 data.frame），它在“一天中的时间”上有一个索引并且有一些值（参见下面的示例数据）：

                    val
...
2006-08-01 12:00    23
2006-08-01 12:01    24
2006-08-01 12:02    25
2006-08-01 12:03    26
2006-08-01 12:04    27
2006-08-01 12:05    28
2006-08-01 12:06    29
...
2006-08-02 12:00    123
2006-08-02 12:01    124
2006-08-02 12:02    125
2006-08-02 12:03    126
2006-08-02 12:04    127
...

我想在 12:01 - 12:03（即类似于 zoo::rollapply 的时间）每次发生该间隔时调用一个自定义函数（调用它custom.func(vals)），因此在本例中，每天。我该怎么做？

---

注意（为了稳健性，考虑以下边缘情况也很好，但不是必需的）：

1. 不要假设我每天都有 12:01 - 12:03 的值
2. 不要假设整个范围 12:01 - 12:03 每天都存在。有时我可能只有 12:01 和 12:02，但可能会错过 12:03
3. 如果我希望我的 custom.func(vals) 在日期边界被调用，例如在 23:58 - 00:12 使用 val，该怎么办？

Answer 1

假设我们的输入是末尾注释中给出的 POSIXct zoo 对象z。

创建一个字符向量times，z 的每个元素都有一个元素，格式为 HH:MM。然后创建一个逻辑ok，它指示哪些时间在指定的边界值之间。 z[ok] 然后将 z 减少到这些值。最后，每天使用aggregate.zoo 申请sum（如果需要，可以使用其他功能）：

times <- format(time(z), "%H:%M")
ok <- times >= "12:01" & times <= "12:03"
aggregate(z[ok], as.Date, sum)
## 2006-08-01 2006-08-02 
##         75        375 

跨过午夜

该版本适用于时间跨越午夜的情况。请注意，发送到函数的值的顺序不是原始顺序，但如果函数是对称的，则无关紧要。

times <- format(time(z), "%H:%M")
ok <- times >= "23:58" | times <= "00:12"
aggregate(z[ok], (as.Date(format(time(z))) + (times >= "23:58"))[ok], sum)
## 2006-08-02 
##         41 

变化

如果函数在其参数的组件中是对称的，则前面的代码块可以工作（许多函数都是这种情况，例如 mean 和 sum）但是如果函数不是对称的，我们需要稍微不同方法。我们定义 to.sec 将 HH:MM 字符串转换为数字秒，并从每个 POSIXct 日期时间中减去 to.sec("23:58")。那么z要保留的组件是那些转换时间转换为小于“00:14”的HH:MM字符串的组件。

to.sec <- function(x) with(read.table(text = x, sep = ":"), 3600 * V1 + 60 * V2)
times <- format(time(z) - to.sec("23:58"), "%H:%M")
ok <- times <= "00:14"
aggregate(z[ok], as.Date(time(z)[ok] - to.sec("23:58")), sum)
## 2006-08-01 
##         41 

注意

Lines <- "datetime val
2006-08-01T12:00    23
2006-08-01T12:01    24
2006-08-01T12:02    25
2006-08-01T12:03    26
2006-08-01T12:04    27
2006-08-01T12:05    28
2006-08-01T12:06    29
2006-08-01T23:58    20
2006-08-02T00:01    21
2006-08-02T12:00    123
2006-08-02T12:01    124
2006-08-02T12:02    125
2006-08-02T12:03    126
2006-08-02T12:04    127"

library(zoo)
z <- read.zoo(text = Lines, tz = "", header = TRUE, format = "%Y-%m-%dT%H:%M")

编辑

修改了非对称代码并简化了所有代码块。

Answer 2

我推荐runner 包，它允许计算不规则时间序列上的任何滚动函数。函数runner 等价于rollApply，区别在于它可以依赖于日期。 runner 允许将任何 R 函数应用于由 k 定义的窗口长度，日期为 idx（或任何整数）。下面的示例计算 5 分钟（5*60 秒）窗口跨度的回归。算法不关心是否有天变，每次只计算5分钟（例如23:56-00:01）。

创建数据：

set.seed(1)
x <- cumsum(rnorm(1000))
y <- 3 * x + rnorm(1000)
time <- as.POSIXct(cumsum(sample(60:120, 1000, replace = TRUE)), 
                   origin = Sys.Date()) # unequaly spaced time series
data <- data.frame(time, y, x)

滑动窗口调用的自定义函数：

library(runner)

running_regression <- function(idx) {
  predict(lm(y ~ x, data = data))[max(idx)]
}

data$pred <- runner(seq_along(x), 
                    k = 60 * 5,
                    idx = time,
                    f = running_regression)

---

一旦我们创建了具有滚动 5 分钟预测的数据集，那么我们就可以只过滤特定的窗口 - 在这里，只有一小时的第 1 分钟。这意味着我们始终保持 {hh}:56 - {hh+1}:01

library(dplyr)
library(lubridate)
filtered <-
  data %>% 
  filter(minute(time) == 1)


plot(data$time, data$y, type = "l", col = "red")
points(filtered$time, filtered$pred, col = "blue")

vignette 中还有一些其他示例如何使用runner 进行此操作