以R的yyyy-mm-dd h：m格式将每小时数据汇总为每月数据

Question

我一直在积极寻找我在R中的问题的解决方案，但没有找到任何解决我的问题的方法...

我有一份使用pepe memes数据提交的R报告，将于1月初提交。 我一直在研究pepe模因的价格，这是我的问题。 我的日期格式为yyyy-mm-dd h:m ，我想将这些日期汇总成月度数据。 我当时正在考虑先制作一个新文件，其时间戳格式为yyyy-mm但我无法做到这一点。 转换为yyyy-mm-dd格式时，我很成功，但是当我想转换为yyyy-mm-dd格式时，我确实遇到了问题。

因此，更清楚地说，这是我的两个问题：

• 如何将我的yyyy-mm-dd h:m日期与月度数据的平均值合计成月度日期（因此，格式为yyyy-mm ）？

• 如果您不知道如何直接汇总日期，那么你们中有谁知道如何从yyyy-mm-dd h:m格式转换为yyyy-mm一个吗？

这是我的数据集的一些行（只是一个摘要，它包含250多个行）：

   Timestamp           ForwardQuantity TotalPriceUSDPerUnit
------------------------------------------------------------
 1 2016-09-26 04:00:00               3                 3.44
 2 2016-09-26 04:00:00               7                 3.44
 3 2016-09-26 05:00:00               3                 3.39
 4 2016-09-26 05:00:00               1                 3.39
 5 2016-09-26 06:00:00               2                 3.39
 6 2016-09-26 13:00:00               4                 2.84
 7 2016-09-28 04:00:00               1                 2.88
 8 2016-09-28 04:00:00               1                 2.92
 9 2016-09-28 06:00:00               1                 2.92
10 2016-09-28 06:00:00               1                 2.92 

在此先感谢大家，并为那些庆祝圣诞节的人们度过一个愉快的圣诞节！

编辑：预期结果：

   Timestamp           Average price
 ------------------------------------
 1 2016-09               2.9981 

在这里，平均价格是通过将上述远期数量乘以其相关价格而获得的

编辑2：dput（head（DatasHAIRPEPE3col，10））的输出如下

    structure(list(Timestamp = structure(c(1474862400, 1474862400, 
1474866000, 1474866000, 1474869600, 1474894800, 1475035200, 1475035200, 
1475042400, 1475042400), class = c("POSIXct", "POSIXt"), tzone = "UTC"), 
    ForwardQuantity = c(3L, 7L, 3L, 1L, 2L, 4L, 1L, 1L, 1L, 1L
    ), TotalPriceUSDPerUnit = c(3.445, 3.445, 3.392, 3.392, 3.392, 
    2.8352, 2.8795, 2.9238, 2.9238, 2.9238)), row.names = c(NA, 
-10L), class = c("tbl_df", "tbl", "data.frame"))

Answer 1

最后使用注释中可重复显示的数据

1）动物园将数据转换为一个动物园对象，同时将其聚合到yearmon类。 这将使动物园对象的Mean为每年/每月一个平均值。 您可以使用它，也可以使用fortify.zoo将其转换为fortify.zoo 。 该解决方案可能比下面的（2）更方便，因为我们直接将year / month表示为yearmon类对象，可以按逻辑方式对其进行绘制和操作。

library(zoo)
Mean <- read.zoo(DF, FUN = as.yearmon, aggregate = mean)
fortify.zoo(Mean)  # optional

给这个数据框：

     Index     Mean
1 Sep 2016 3.406667

您现在可以进一步操作，例如使用plot.zoo对其进行plot.zoo如下所示：

plot(Mean)

2）基数R或者，使用每个时间戳的前7个字符表示年/月，并以此为基础进行汇总。

DF2 <- transform(DF, Timestamp = substring(Timestamp, 1, 7))
aggregate(UsdPricePerUnit ~ Timestamp, DF2, mean)

给予：

  Timestamp UsdPricePerUnit
1   2016-09        3.406667

注意

Lines <- "
Timestamp                    UsdPricePerUnit
2016-09-26 04:00:00                 3.44
2016-09-26 04:00:00                 3.44
2016-09-26 05:00:00                 3.39
2016-09-26 05:00:00                 3.39
2016-09-26 05:00:00                 3.39
2016-09-26 06:00:00                 3.39"
DF <- read.csv(textConnection(gsub("  +", ",", Lines)))

Answer 2

使用在前面的回答提供的样本数据连同（与附加月新增示范） dplyr和anytime

library(tidyverse)
library(anytime)

Lines <- "
Timestamp               ForwardQuantity         UsdPricePerUnit
2016-09-26 04:00:00     3                 3.44
2016-09-26 04:00:00     7                 3.44
2016-09-26 05:00:00     3                 3.39
2016-10-26 05:00:00     1                 3.39
2016-10-26 05:00:00     2                 3.39
2016-10-26 06:00:00     4                 3.39"

DF <- read.csv(textConnection(gsub("  +", ",", Lines)))
DF %>%
  mutate(month = format(anydate((Timestamp)), "%Y-%m")) %>%
  group_by(month) %>%
  mutate(MonthlySpend = ForwardQuantity*UsdPricePerUnit) %>%
  summarise(QuanPerMon = sum(ForwardQuantity),
            SpendPerMon = sum(MonthlySpend)) %>%
  mutate(AveragePrice = SpendPerMon/QuanPerMon) %>%
  select(1,4)

# A tibble: 2 x 2
  month   AveragePrice
  <chr>          <dbl>
1 2016-09         3.43
2 2016-10         3.39

编辑-新数据添加到问题

这对我来说对你的数据有用

df %>%
  mutate(month = format(anydate((Timestamp)), "%Y-%m")) %>%
  group_by(month) %>%
  mutate(MonthlySpend = ForwardQuantity*TotalPriceUSDPerUnit) %>%
  summarise(QuanPerMon = sum(ForwardQuantity),
            SpendPerMon = sum(MonthlySpend)) %>%
  mutate(AveragePrice = SpendPerMon/QuanPerMon) %>%
  select(1,4)

# A tibble: 1 x 2
  month   AveragePrice
  <chr>          <dbl>
1 2016-09         3.24