R - 直接或首先转换为数据框提取 xts 对象中所有列的汇总统计信息答案

【问题标题】：R - Extracting summary statistics for all columns in an xts object either directly or first converting to data frameR - 直接或首先转换为数据框提取 xts 对象中所有列的汇总统计信息
【发布时间】：2014-06-22 18:16:36
【问题描述】：

我有一个 xts 对象，其中包含 24 小时内的多个参数（每分钟测量一次）。根据时间，我添加了一列分组为 4 个“一天中的时间”（tod）选项：“早上”、“下午”、“晚上”和“晚上”。

我想提取整个时期以及一天中时间（'tod'）的列（参数）的平均值和标准差。

我曾尝试先将 xts 对象转换为数据框，但在列是类因子而不是数字时遇到了问题。我也尝试过“聚合”，但是当我使用聚合时，我得到了非常奇怪的输出（或错误）。这是一个例子：

例如用于创建更小的数据版本的代码：

# time vector:
Time <- ISOdatetime(2015,01,01,6,12,0) + seq(0:(0.5*60-1))*1*60

# sample parameter columns
a <- 1:30
b <- 31:60
c<-seq(1,90,3)

# a sample xts object 'tester'
tester <- xts(cbind(a,b,c),Time)

# assign 'time of day':
tester$tod <- NA
tester$tod["T06:00/T06:20"]<-"night"
tester$tod["T06:21/T11:30"]<-"morning"
tester$tod["T06:31/T06:50"]<-"afternoon"

例如，我如何尝试获取所有数据的 a、b、c 的平均值以及使用“聚合”的“tod”（请注意，我的数据中有 NA，但这不是问题）：

tester$group = 1 #create a group column just to get the means for all data
mean_all <- aggregate(.~group, data=tester, FUN=mean, na.rm = TRUE, na.action=NULL)
meann_tod <- aggregate(.~tod, data=tester, FUN=mean, na.rm = TRUE, na.action=NULL)

不幸的是，这不起作用，虽然没有错误，但值完全错误。

任何建议都将不胜感激，我想这将是一项非常简单的任务！

【问题讨论】：

标签： r dataframe aggregate xts

【解决方案1】：

当您尝试创建字符向量tod 时，您需要将 coredata 矩阵强制为字符而不是数字。当它基本上拒绝让你弄乱你的其他数据时，作者确实发出了警告，但你忽略了它（直到我做了一些额外的工作我才理解它。）你可以构造一个数字向量来进行分组：

> tester$tod <- NA
> tester$tod["T06:00/T06:20"]<-1
> tester$tod["T06:21/T11:30"]<-2
> tester$tod["T06:31/T06:50"]<-3
> 
> tester$group = 1 
> (mean_all <- aggregate(.~group, data=tester, FUN=mean, na.rm = TRUE, na.action=NULL))
  group    a    b    c      tod
1     1 15.5 45.5 44.5 2.133333
> (meann_tod <- aggregate(.~tod, data=tester, FUN=mean, na.rm = TRUE, na.action=NULL))
  tod    a    b    c group
1   1  4.5 34.5 11.5     1
2   2 13.5 43.5 38.5     1
3   3 24.5 54.5 71.5     1

我可能会从公式中省略“组”变量：

> (meann_tod <- aggregate(cbind(a,b,c)~tod, data=tester, FUN=mean, na.rm = TRUE, na.action=NULL))
  tod    a    b    c
1   1  4.5 34.5 11.5
2   2 13.5 43.5 38.5
3   3 24.5 54.5 71.5

【讨论】：