对数据帧中带时间戳的行进行分区和聚合间隔的有效方法是什么？

Question

从带有时间戳行的数据帧（strptime 结果）中，聚合间隔统计信息的最佳方法是什么？

间隔可以是一小时、一天等。

有aggregate 函数，但这无助于将每一行分配给一个间隔。我计划在数据框中添加一列来表示间隔，并将其与聚合一起使用，但如果有更好的解决方案，那么很高兴听到它。

感谢您的指点！

---

示例数据

五行时间戳，从 03:00 开始按 15 分钟间隔划分。

间隔 1

• "2010-01-13 03:02:38 UTC"
• "2010-01-13 03:08:14 UTC"
• "2010-01-13 03:14:52 UTC"

间隔 2

• "2010-01-13 03:20:42 UTC"
• "2010-01-13 03:22:19 UTC"

---

结论

使用诸如xts之类的时间序列包应该是解决方案；然而我没有成功地使用它们并最终使用了 cut。由于我目前只需要绘制直方图，并按间隔对行进行分组，这就足够了。

cut 的用法如下：

interv <- function(x, start, period, num.intervals) {
  return(cut(x, as.POSIXlt(start)+0:num.intervals*period))
}

Answer 1

分割向量的标准函数是 cut 和 findInterval：

v <- as.POSIXct(c(
  "2010-01-13 03:02:38 UTC",
  "2010-01-13 03:08:14 UTC",
  "2010-01-13 03:14:52 UTC",
  "2010-01-13 03:20:42 UTC",
  "2010-01-13 03:22:19 UTC"
))

# Your function return list:
interv(v, as.POSIXlt("2010-01-13 03:00:00 UTC"), 900)
# [[1]]
# [1] "2010-01-13 03:00:00"
# [[2]]
# [1] "2010-01-13 03:00:00"
# [[3]]
# [1] "2010-01-13 03:00:00"
# [[4]]
# [1] "2010-01-13 03:15:00 CET"
# [[5]]
# [1] "2010-01-13 03:15:00 CET"

# cut returns factor, you must provide proper breaks:
cut(v, as.POSIXlt("2010-01-13 03:00:00 UTC")+0:2*900)
# [1] 2010-01-13 03:00:00 2010-01-13 03:00:00 2010-01-13 03:00:00
# [4] 2010-01-13 03:15:00 2010-01-13 03:15:00
# Levels: 2010-01-13 03:00:00 2010-01-13 03:15:00

# findInterval returns vector of interval id (breaks like in cut)
findInterval(v, as.POSIXlt("2010-01-13 03:00:00 UTC")+0:2*900)
# [1] 1 1 1 2 2

郑重声明：cut 有一个用于 POSIXt 类型的方法，但不幸的是，没有办法提供 start 参数，效果是：

cut(v,"15 min")
# [1] 2010-01-13 03:02:00 2010-01-13 03:02:00 2010-01-13 03:02:00
# [4] 2010-01-13 03:17:00 2010-01-13 03:17:00
# Levels: 2010-01-13 03:02:00 2010-01-13 03:17:00

如您所见，它从 03:02:00 开始。您可能会弄乱输出因子的标签（将标签转换为时间，以某种方式舍入并转换回字符）。

Answer 2

使用 时间序列包。 xts 包具有专门设计用于这样做。或者看看zoo包中的aggregate和rollapply函数。

rmetrics 电子书有一个有用的讨论，包括各种软件包的性能比较：https:/ /www.rmetrics.org/files/freepdf/TimeSeriesFAQ.pdf

编辑：查看我对这个问题的回答。基本上，您需要将每个时间戳截断为特定的时间间隔，然后使用这些新的截断时间戳作为分组向量进行聚合。

Answer 3

这是一个有趣的问题；随着各种时间序列包和方法的激增，应该有一种对不规则时间序列进行分箱的方法，而不是通过OP建议的强力方法。这是一种获取间隔的“高级”方法，然后可以使用为 chroncut 版本，将其用于 aggregate 等。代码>对象。

require(chron)
require(timeSeries)

my.times <- "
2010-01-13 03:02:38 UTC
2010-01-13 03:08:14 UTC
2010-01-13 03:14:52 UTC
2010-01-13 03:20:42 UTC
2010-01-13 03:22:19 UTC
"

time.df <- read.delim(textConnection(my.times),header=FALSE,sep="\n",strip.white=FALSE)
time.seq <- seq(trunc(timeDate(time.df[1,1]),units="hours"),by=15*60,length=nrow(time.df))
intervals <- as.numeric(cut(as.chron(as.character(time.df$V1)),breaks=as.chron(as.character(time.seq))))

您

intervals  
[1] 1 1 1 2 2

现在可以将其附加到数据框并聚合。

上面的强制转换（从字符到 timeDate 到字符到 chron）有点不幸，所以如果有更干净的解决方案使用 xts 或任何其他 timeSeries 包对不规则时间数据进行分箱，我也很想听听它们！...

我也很想知道对大型高频不规则时间序列进行分箱的最有效方法是什么，例如为流动性非常强的股票在价格变动数据上创建 1 分钟成交量柱。