Globale quotidienne des données au niveau de la durée hebdomadaire de niveau dans la R

J'ai un énorme dataset semblable à la suivante reproductible des données de l'échantillon.

   Interval    value
1  2012-06-10   552
2  2012-06-11  4850
3  2012-06-12  4642
4  2012-06-13  4132
5  2012-06-14  4190
6  2012-06-15  4186
7  2012-06-16  1139
8  2012-06-17   490
9  2012-06-18  5156
10 2012-06-19  4430
11 2012-06-20  4447
12 2012-06-21  4256
13 2012-06-22  3856
14 2012-06-23  1163
15 2012-06-24   564
16 2012-06-25  4866
17 2012-06-26  4421
18 2012-06-27  4206
19 2012-06-28  4272
20 2012-06-29  3993
21 2012-06-30  1211
22 2012-07-01   698
23 2012-07-02  5770
24 2012-07-03  5103
25 2012-07-04   775
26 2012-07-05  5140
27 2012-07-06  4868
28 2012-07-07  1225
29 2012-07-08   671
30 2012-07-09  5726
31 2012-07-10  5176

Je veux rassembler ces données pour le niveau hebdomadaire pour obtenir la sortie semblable au suivant:

   Interval           value
1  Week 2, June 2012  *aggregate value for day 10 to day 14 of June 2012*
2  Week 3, June 2012  *aggregate value for day 15 to day 21 of June 2012*
3  Week 4, June 2012  *aggregate value for day 22 to day 28 of June 2012*
4  Week 5, June 2012  *aggregate value for day 29 to day 30 of June 2012*
5  Week 1, July 2012  *aggregate value for day 1 to day 7 of July 2012*
6  Week 2, July 2012  *aggregate value for day 8 to day 10 of July 2012*

Comment puis-je obtenir facilement sans l'écriture d'un long code?

Vous avez utilisé le [xt] balise, mais il ne semble pas que vous avez un xts objet. Vous avez raison, bien que la xts est probablement le moyen le plus simple pour ce faire. Avez-vous de la recherche à tous? Regardez to.weekly, apply.weekly, period.apply et de recherche pour la même chose.
Il est important de noter que l'OP veut globale par semaine de ce mois --- n'est pas par semaine de l'année. La plupart des réponses ci-dessous sont basés sur la semaine de l'année.

InformationsquelleAutor user3710832 | 2014-07-08

date r xts zoo

13

Si vous voulez dire la somme de la de la "valeur" par semaine, je pense que la meilleure façon de le faire est de convertir les données dans un xts objet comme GSee a suggéré:
```
data <- as.xts(data$value,order.by=as.Date(data$interval))
weekly <- apply.weekly(data,sum)

            [,1]
2012-06-10   552
2012-06-17 23629
2012-06-24 23872
2012-07-01 23667
2012-07-08 23552
2012-07-10 10902
```
Je laisse le formatage de la sortie comme un exercice pour vous 🙂
- Comment puis-je passer maintenant à un ts() de l'objet afin de l'utilisation des prévisions et de se décomposer?
- Utiliser le "comme" de la méthode: as.ts(data)
InformationsquelleAutor hvollmeier

Si vous utilisez week de lubridate, vous n'aurez que cinq semaines pour passer à by. Supposons dat vos données,

> library(lubridate)
> do.call(rbind, by(dat$value, week(dat$Interval), summary))
#    Min. 1st Qu. Median Mean 3rd Qu. Max.
# 24  552    4146   4188 3759    4529 4850
# 25  490    2498   4256 3396    4438 5156
# 26  564    2578   4206 3355    4346 4866
# 27  698     993   4868 3366    5122 5770
# 28  671    1086   3200 3200    5314 5726

Cela montre un résumé du 24 au 28 semaine de l'année. De la même façon, nous pouvons obtenir les moyens de aggregate avec

> aggregate(value~week(Interval), data = dat, mean)
#   week(Interval)    value
# 1             24 3758.667
# 2             25 3396.286
# 3             26 3355.000
# 4             27 3366.429
# 5             28 3199.500

InformationsquelleAutor Rich Scriven

Si vous utilisez un bloc de données, vous pouvez facilement le faire avec le tidyquant paquet. Utiliser le tq_transmute fonction, qui applique une mutation et renvoie un nouveau bloc de données. Sélectionnez la colonne "valeur" et appliquer la xts fonction apply.weekly. L'argument supplémentaire FUN = sum obtiendrez le total par semaine.

library(tidyquant)

df
#> # A tibble: 31 x 2
#>      Interval value
#>        <date> <int>
#>  1 2012-06-10   552
#>  2 2012-06-11  4850
#>  3 2012-06-12  4642
#>  4 2012-06-13  4132
#>  5 2012-06-14  4190
#>  6 2012-06-15  4186
#>  7 2012-06-16  1139
#>  8 2012-06-17   490
#>  9 2012-06-18  5156
#> 10 2012-06-19  4430
#> # ... with 21 more rows

df %>%
    tq_transmute(select     = value,
                 mutate_fun = apply.weekly,
                 FUN        = sum)
#> # A tibble: 6 x 2
#>     Interval value
#>       <date> <int>
#> 1 2012-06-10   552
#> 2 2012-06-17 23629
#> 3 2012-06-24 23872
#> 4 2012-07-01 23667
#> 5 2012-07-08 23552
#> 6 2012-07-10 10902

InformationsquelleAutor Matt Dancho

Je viens de tombé sur cette vieille question, car il a été utilisé comme un dupe de la cible.

Malheureusement, tous les upvoted réponses (sauf l'un par konvas et aujourd'hui supprimé un) de présenter des solutions pour agréger les données par semaine de l'année alors que l'OP a demandé à l'agrégation par semaine du mois.

La définition de semaine de l'année et semaine du mois est ambigu, car discuté ici, ici, et ici.

Cependant, l'OP a indiqué qu'il veut compter les jours 1 à 7 de chaque mois, la semaine 1 du mois, les jours de 8 à 14 ans comme la semaine 2 du mois, etc. Notez que la semaine 5 est un stub pour la plupart des mois composé de seulement 2 ou 3 jours (à l'exception du mois de février).

Avoir préparé le terrain, voici une data.table solution pour ce type de regroupement:

library(data.table)
DT[, .(value = sum(value)), 
       by = .(Interval = sprintf("Week %i, %s", 
                                 (mday(Interval) - 1L) %/% 7L + 1L, 
                                 format(Interval, "%b %Y")))]

           Interval value
1: Week 2, Jun 2012 18366
2: Week 3, Jun 2012 24104
3: Week 4, Jun 2012 23348
4: Week 5, Jun 2012  5204
5: Week 1, Jul 2012 23579
6: Week 2, Jul 2012 11573

Nous pouvons vérifier que nous avons choisi la bonne intervalles par

DT[, .(value = sum(value),
       date_range = toString(range(Interval))), 
   by = .(Week = sprintf("Week %i, %s", 
                             (mday(Interval) -1L) %/% 7L + 1L, 
                             format(Interval, "%b %Y")))]

               Week value             date_range
1: Week 2, Jun 2012 18366 2012-06-10, 2012-06-14
2: Week 3, Jun 2012 24104 2012-06-15, 2012-06-21
3: Week 4, Jun 2012 23348 2012-06-22, 2012-06-28
4: Week 5, Jun 2012  5204 2012-06-29, 2012-06-30
5: Week 1, Jul 2012 23579 2012-07-01, 2012-07-07
6: Week 2, Jul 2012 11573 2012-07-08, 2012-07-10

qui est en ligne avec les OP de la spécification.

De données

library(data.table)
DT <- fread(
  "rn   Interval    value
  1  2012-06-10   552
  2  2012-06-11  4850
  3  2012-06-12  4642
  4  2012-06-13  4132
  5  2012-06-14  4190
  6  2012-06-15  4186
  7  2012-06-16  1139
  8  2012-06-17   490
  9  2012-06-18  5156
  10 2012-06-19  4430
  11 2012-06-20  4447
  12 2012-06-21  4256
  13 2012-06-22  3856
  14 2012-06-23  1163
  15 2012-06-24   564
  16 2012-06-25  4866
  17 2012-06-26  4421
  18 2012-06-27  4206
  19 2012-06-28  4272
  20 2012-06-29  3993
  21 2012-06-30  1211
  22 2012-07-01   698
  23 2012-07-02  5770
  24 2012-07-03  5103
  25 2012-07-04   775
  26 2012-07-05  5140
  27 2012-07-06  4868
  28 2012-07-07  1225
  29 2012-07-08   671
  30 2012-07-09  5726
  31 2012-07-10  5176", drop = 1L)
DT[, Interval := as.Date(Interval)]

InformationsquelleAutor Uwe

Quand vous dites "agrégat" ensemble de valeurs, de vous dire de prendre leur somme? Disons que votre bloc de données est d et en supposant d$Interval est de classe Date, vous pouvez essayer de

# if d$Interval is not of class Date d$Interval <- as.Date(d$Interval)
formatdate <- function(date)
    paste0("Week ", (as.numeric(format(date, "%d")) - 1) + 1,
        ", ", format(date, "%b %Y"))
# change "sum" to your required function
aggregate(d$value, by = list(formatdate(d$Interval)), sum)
#            Group.1        x
# 1 Week 1, Jul 2012 3725.667
# 2 Week 2, Jul 2012 3199.500
# 3 Week 2, Jun 2012 3544.000
# 4 Week 3, Jun 2012 3434.000
# 5 Week 4, Jun 2012 3333.143
# 6 Week 5, Jun 2012 3158.667

InformationsquelleAutor konvas

Vous devez vous connecter pour publier un commentaire.