对连续的每小时观察值求和以找到最大值
Summing Consecutive Hourly Observation to find Maximums
我有这样的数据...
Year Month Day Hour Total Date DateTime
1950 1 2 21 0.01 1/2/1950 1/2/1950 21:00
1950 1 2 23 0.01 1/2/1950 1/2/1950 23:00
1950 1 3 0 0.06 1/3/1950 1/3/1950 0:00
1950 1 3 1 0.01 1/3/1950 1/3/1950 1:00
1950 1 3 2 0.02 1/3/1950 1/3/1950 2:00
1950 1 4 11 0.24 1/4/1950 1/4/1950 11:00
1950 1 4 12 0.07 1/4/1950 1/4/1950 12:00
1950 1 4 15 0.10 1/4/1950 1/4/1950 15:00
1950 1 4 16 0.04 1/4/1950 1/4/1950 16:00
1950 1 4 17 0.01 1/4/1950 1/4/1950 17:00
现在我想找到最大的连续两个小时总计（我也对最大的连续三、四、五个小时总计感兴趣）。在上面的数据中，最大的两小时总数为 0.31（将观察值 6 和 7 相加）。最大的 3 小时总数将是最后三个观察结果。重要的是观察必须是连续的！如果观察结果按 5 小时分散但总和很高，那并不重要。我对连续观察中的最高总和（来自总计列）感兴趣（2 小时总和、3 小时总和、4 小时总和等）。我要拍摄的是每年和每月最大的连续 2 小时或 3 小时总计，输出如下所示...
Year Month Two Hour Greatest
1950 1 0.31
1951 4 0.77
1952 3 0.91
1953 8 0.63
首先，这里有一些示例数据（使用 lubridate 中的工具制作）
df <-
tibble(
date_time = seq(ymd_hm("1950-01-01 00:00")
, ymd_hm("1951-12-30 23:00")
, "1 hour")
) %>%
mutate(
Total = round(runif(n()), 2)
, Year = year(date_time)
, Month = month(date_time)
)
请注意，这假设您对该时间段内的每个小时都有一个观察。如果没有，您可能需要使用 tidyr 中的 complete 来为缺失的观察结果添加 0（或其他适当的默认值）。
然后，使用 zoo 中的 rollsum 计算最后 k 个观察值的滚动总和。然后，summarise 为每个感兴趣的 window 获取最大值。
请注意，这里我在 计算 rollsum 之前使用了 group_by ，这样总和就不会跨越月份边界。也就是说，它不会计算 1 月的最后一个小时和 2 月的第一个小时的总数。这可确保您的最大值仅适用于给定月份内 完全 的观察结果。如果您想要不同的东西，请将 group_by 步骤移动到 之后 rollsum 并确保您对 align 将结果放在 rollsum（在最后一次观察的月份，在下面的例子中）。
代码：
df %>%
group_by(Year, Month) %>%
mutate(
two_hour_tot = rollsum(Total, k = 2, fill = NA, align = "right")
, three_hour_tot = rollsum(Total, k = 3, fill = NA, align = "right")
, four_hour_tot = rollsum(Total, k = 4, fill = NA, align = "right")
) %>%
summarise(
two_hour_max = max(two_hour_tot, na.rm = TRUE)
, three_hour_max = max(three_hour_tot, na.rm = TRUE)
, four_hour_max = max(four_hour_tot, na.rm = TRUE)
)
Returns:
# A tibble: 24 x 5
# Groups: Year [?]
Year Month two_hour_max three_hour_max four_hour_max
<dbl> <dbl> <dbl> <dbl> <dbl>
1 1950 1 1.98 2.76 3.43
2 1950 2 1.96 2.68 3.57
3 1950 3 1.96 2.91 3.65
4 1950 4 1.98 2.91 3.7
5 1950 5 1.95 2.76 3.65
6 1950 6 1.97 2.82 3.53
7 1950 7 1.97 2.8 3.71
8 1950 8 1.94 2.85 3.53
9 1950 9 2.00 2.77 3.43
10 1950 10 1.93 2.82 3.7
# … with 14 more rows
（显然，您的 randomized/actual 值会有所不同）
我有这样的数据...
Year Month Day Hour Total Date DateTime
1950 1 2 21 0.01 1/2/1950 1/2/1950 21:00
1950 1 2 23 0.01 1/2/1950 1/2/1950 23:00
1950 1 3 0 0.06 1/3/1950 1/3/1950 0:00
1950 1 3 1 0.01 1/3/1950 1/3/1950 1:00
1950 1 3 2 0.02 1/3/1950 1/3/1950 2:00
1950 1 4 11 0.24 1/4/1950 1/4/1950 11:00
1950 1 4 12 0.07 1/4/1950 1/4/1950 12:00
1950 1 4 15 0.10 1/4/1950 1/4/1950 15:00
1950 1 4 16 0.04 1/4/1950 1/4/1950 16:00
1950 1 4 17 0.01 1/4/1950 1/4/1950 17:00
现在我想找到最大的连续两个小时总计（我也对最大的连续三、四、五个小时总计感兴趣）。在上面的数据中，最大的两小时总数为 0.31（将观察值 6 和 7 相加）。最大的 3 小时总数将是最后三个观察结果。重要的是观察必须是连续的！如果观察结果按 5 小时分散但总和很高，那并不重要。我对连续观察中的最高总和（来自总计列）感兴趣（2 小时总和、3 小时总和、4 小时总和等）。我要拍摄的是每年和每月最大的连续 2 小时或 3 小时总计，输出如下所示...
Year Month Two Hour Greatest
1950 1 0.31
1951 4 0.77
1952 3 0.91
1953 8 0.63
首先，这里有一些示例数据（使用 lubridate 中的工具制作）
df <-
tibble(
date_time = seq(ymd_hm("1950-01-01 00:00")
, ymd_hm("1951-12-30 23:00")
, "1 hour")
) %>%
mutate(
Total = round(runif(n()), 2)
, Year = year(date_time)
, Month = month(date_time)
)
请注意，这假设您对该时间段内的每个小时都有一个观察。如果没有，您可能需要使用 tidyr 中的 complete 来为缺失的观察结果添加 0（或其他适当的默认值）。
然后，使用 zoo 中的 rollsum 计算最后 k 个观察值的滚动总和。然后，summarise 为每个感兴趣的 window 获取最大值。
请注意，这里我在 计算 rollsum 之前使用了 group_by ，这样总和就不会跨越月份边界。也就是说，它不会计算 1 月的最后一个小时和 2 月的第一个小时的总数。这可确保您的最大值仅适用于给定月份内 完全 的观察结果。如果您想要不同的东西，请将 group_by 步骤移动到 之后 rollsum 并确保您对 align 将结果放在 rollsum（在最后一次观察的月份，在下面的例子中）。
代码：
df %>%
group_by(Year, Month) %>%
mutate(
two_hour_tot = rollsum(Total, k = 2, fill = NA, align = "right")
, three_hour_tot = rollsum(Total, k = 3, fill = NA, align = "right")
, four_hour_tot = rollsum(Total, k = 4, fill = NA, align = "right")
) %>%
summarise(
two_hour_max = max(two_hour_tot, na.rm = TRUE)
, three_hour_max = max(three_hour_tot, na.rm = TRUE)
, four_hour_max = max(four_hour_tot, na.rm = TRUE)
)
Returns:
# A tibble: 24 x 5
# Groups: Year [?]
Year Month two_hour_max three_hour_max four_hour_max
<dbl> <dbl> <dbl> <dbl> <dbl>
1 1950 1 1.98 2.76 3.43
2 1950 2 1.96 2.68 3.57
3 1950 3 1.96 2.91 3.65
4 1950 4 1.98 2.91 3.7
5 1950 5 1.95 2.76 3.65
6 1950 6 1.97 2.82 3.53
7 1950 7 1.97 2.8 3.71
8 1950 8 1.94 2.85 3.53
9 1950 9 2.00 2.77 3.43
10 1950 10 1.93 2.82 3.7
# … with 14 more rows
（显然，您的 randomized/actual 值会有所不同）