重新分組不規則的時間序列數據（帶有元數據）

Question

嗨，我有一個數據幀（約400萬行），其中包含針對不同站點和事件的時間序列數據。

這是我的數據的粗略概念，顯然是在不同的規模上，我有幾個相似的時間序列，所以我將其保留為一般性，因為我希望能夠在不同情況下應用它

Data1 <- data.frame(DateTimes =as.POSIXct("1988-04-30 13:20:00")+c(1:10,12:15,20:30,5:13,16:20,22:35)*300,
                      Site = c(rep("SiteA",25),rep("SiteB",28)),
                      Quality = rep(25,53),
                      Value = round(runif(53,0,5),2),
                      Othermetadata =  c(rep("E1",10),rep("E2",15),rep("E1",10),rep("E2",18)))

我正在尋找的是一種簡單的方法，可以將數據分組並聚合到不同的時間步，同時保留組內不變的元數據

我試過使用Zoo Library和Zoo :: aggregate即：

library(zoo)
zooData <- read.zoo(select(Data1, DateTimes, Value))
zooagg <- aggregate(zooData, time(zooData) - as.numeric(time(zooData))%%3600, FUN = sum, reg = T)

但是，當我這樣做時，我將丟失所有元數據並合並不同的站點數據。

我想知道如何嘗試使用plyr或dplyr拆分數據，然后應用聚合，但我仍然會丟失其他列。

有一個更好的方法嗎？ 我對xts庫的doco進行了簡要介紹，但是在兩者中都看不到直觀的解決方案

*注意：由於我希望此功能可用於一些不同的事情，因此開始時間步驟和最終時間步驟都可能會發生變化。 有可能出現隨機時間步長，或者有些規律的時間步長，但缺少分數。 並且所應用的FUN可能有所不同（主要是總和或平均值）。 以及我想用*分割的字段

---

編輯在大力神Apergis向正確的方向推動我之后，我找到了解決方案。

newData <- Data1 %>% group_by(timeagg, Site) %>% summarise(Total = sum(Value))
finaldata <- inner_join(Data1,newData) %>% select(-DateTimes, - Value) %>% distinct()

原始的DateTimes列不是分組變量-而是時間序列，因此我添加了匯總時間（這里是最近的小時數）的分組變量，並對此進行了總結。 問題是，如果我加入了這個新專欄，那么我會錯過該小時內有時間但沒有小時的所有時間點。 因此，inner_join％>％選擇％>％不同的方法。 現在希望它適用於我的真實數據而不是數據！

Answer 1

鑒於您具有聚合功能：

aggregate(zooData, time(zooData) - as.numeric(time(zooData))%%3600, FUN = sum, reg = T)

您要按時間組對值求和，並且不要丟失其他列。 您只需使用dplyr軟件包即可：

library(dplyr)
newdata   <- Data1 %>% group_by(DateTimes) %>% summarise(sum(Value))
finaldata <- inner_join(Data1,newdata),by="DateTimes")

newdata是一個data.frame ，每組DateTimes的Values相加。 然后，inner_join通過DateTimes變量合並在這兩個datasets上通用的部分。 由於我不確定您想要的輸出是什么，因此對於初學者來說應該是一個很好的幫助。