用 R 对时间序列中的事件进行分组

Question

我一直在做一些记录，试图向 Comcast Business 说明他们在我办公室的服务中断频率。我将 ping 响应时间记录到文件中，然后使用 R 解析该文件。在日志文件中，值 1000 表示 ping 超时。我的脚本每 5 秒记录一次 ping。因此，如果我的 Comcast 服务关闭了 30 秒，这将导致大约 6 个日志条目的值为 1000。我想以这样一种方式解析我的日志，以便我可以创建一个汇总表来显示每次中断开始的时间，并且持续了多长时间。有什么好的方法可以做到这一点？

以下是今天的一些示例数据和一些说明我的时间序列的图表：

require(xts)
outFile <- "http://pastebin.com/raw.php?i=SJuMQ9rD"
pingLog <- read.csv(outFile, header=FALSE, 
     col.names = c("time","ms"), 
     colClasses=c("POSIXct", "numeric"))
xPingLog <- as.xts(pingLog$ms, order.by=pingLog$time)
outages <- subset(pingLog, ms==1000)
xOutages <- as.xts(outages$ms, order.by=outages$time)

par(mfrow=c(2,1))
plot(xPingLog)
plot(outages)
outages

Answer 1

你必须喜欢运行长度编码，别名rle：

offline <- ifelse(pingLog$ms==1000, TRUE, FALSE)
rleOffline <- rle(offline)

offlineTable <- data.frame(
    endtime = pingLog$time[cumsum(rleOffline$lengths)],
    duration = rleOffline$lengths * 5,
    offline = rleOffline$values
)

结果：

offlineTable

              endtime duration offline
1 2011-11-20 13:20:19     1030   FALSE
2 2011-11-20 13:20:35        5    TRUE
3 2011-11-20 13:24:37      240   FALSE
4 2011-11-20 13:25:57       25    TRUE
5 2011-11-20 13:53:28     1640   FALSE

---

为什么会这样？

首先构造一个逻辑向量，指示在线与离线。 ifelse 很方便。

offline <- ifelse(pingLog$ms==1000, TRUE, FALSE)

然后使用rle计算运行长度编码：

rle(offline)
Run Length Encoding
  lengths: int [1:5] 206 1 48 5 328
  values : logi [1:5] FALSE TRUE FALSE TRUE FALSE

此表显示 TRUE 或 FALSE 的运行次数，以及每次运行的时间。在这种情况下，第一次运行是 206 个周期，值为 FALSE（即在线 206*5=1030 秒。

最后一步是使用rle 信息对原始pingLog 进行索引以查找时间。额外的魔法是使用cumsum 来计算运行长度的累积总和。这在现实世界中的含义是每次运行终止的索引位置。