如何計算R中兩個時間戳列的平均值？

Question

我在R中有數據框，其中兩列是日期時間（POSIX類）。 我需要按每一行計算平均日期時間。

這是一些可重現的示例：

a <- c(
 "2018-10-11 15:22:17",
 "2018-10-10 16:30:37",
 "2018-10-10 16:52:46", 
 "2018-10-10 16:58:33", 
 "2018-10-10 16:32:24")

b <- c(
  "2018-10-11 15:25:12", 
  "2018-10-10 16:30:39", 
  "2018-10-10 16:55:14", 
  "2018-10-10 16:58:53", 
  "2018-10-10 16:32:27")

a <- strptime(a, format = "%Y-%m-%d %H:%M:%S")
b <- strptime(b, format = "%Y-%m-%d %H:%M:%S")

f <- data.frame(a, b)

結果應該是這樣的：

                    a                   b           time_mean
1 2018-10-11 15:22:17 2018-10-11 15:25:12 2018-10-11 15:23:44
2 2018-10-10 16:30:37 2018-10-10 16:30:39 2018-10-10 16:30:38
3 2018-10-10 16:52:46 2018-10-10 16:55:14 2018-10-10 16:54:00
4 2018-10-10 16:58:33 2018-10-10 16:58:53 2018-10-10 16:58:43
5 2018-10-10 16:32:24 2018-10-10 16:32:27 2018-10-10 16:32:25

我嘗試了以下操作：

apply(f, 1, function(x) mean)
apply(f, 1, function(x) mean(c(x[1], x[2])))

Answer 1

與其使用apply （可以將其轉換為matrix然后剝離class屬性），不如使用Map

f$time_mean <- do.call(c, Map(function(x, y) mean(c(x, y)), a, b))
f$time_mean
#[1] "2018-10-11 15:23:44 EDT" "2018-10-10 16:30:38 EDT" "2018-10-10 16:54:00 EDT" "2018-10-10 16:58:43 EDT"
#[5] "2018-10-10 16:32:25 EDT"

或者是從data.frame f

do.call(c, Map(function(x, y) mean(c(x, y)), f$a, f$b))

---

另外，另一個選擇是使用?xtfrm （也具有POSIXlt方法分派）轉換為numeric類，執行rowMeans並轉換為DateTime類，如@ jay.sf的文章

as.POSIXlt(rowMeans(sapply(f, xtfrm)), origin = "1970-01-01")
#[1] "2018-10-11 15:23:44 EDT" "2018-10-10 16:30:38 EDT" "2018-10-10 16:54:00 EDT" "2018-10-10 16:58:43 EDT"
#[5] "2018-10-10 16:32:25 EDT"

Answer 2

您可以使用數字進行計算。

f$time_mean <- as.POSIXct(sapply(seq(nrow(f)), function(x) 
  mean(as.numeric(f[x, ]))), origin="1970-01-01")
f
#                     a                   b           time_mean
# 1 2018-10-11 15:22:17 2018-10-11 15:25:12 2018-10-11 15:23:44
# 2 2018-10-10 16:30:37 2018-10-10 16:30:39 2018-10-10 16:30:38
# 3 2018-10-10 16:52:46 2018-10-10 16:55:14 2018-10-10 16:54:00
# 4 2018-10-10 16:58:33 2018-10-10 16:58:53 2018-10-10 16:58:43
# 5 2018-10-10 16:32:24 2018-10-10 16:32:27 2018-10-10 16:32:25