如何計算 R 中不規則降雨時間序列中的最大 60 分鍾總數？

Question

我有一個使用 0.5 毫米翻斗記錄的持續不規則時間序列的降雨數據。

例如

日期和時間	雨量
11/05/2021 11:05:17	0.5
11/05/2021 11:15:10	0.5
11/05/2021 11:20:04	0.5
2021 年 11 月 5 日 11:28:22	0.5
2021 年 11 月 5 日 11:33:25	0.5
2021 年 11 月 5 日 11:36:39	0.5
11/05/2021 11:39:50	0.5
11/05/2021 11:41:43	0.5
2021 年 11 月 5 日 11:43:35	0.5
11/05/2021 11:44:57	0.5
2021 年 11 月 5 日 11:47:02	0.5
2021 年 11 月 5 日 11:48:42	0.5
2021 年 11 月 5 日 11:53:04	0.5
2021 年 11 月 5 日 11:58:33	0.5
11/05/2021 12:01:27	0.5
11/05/2021 12:02:52	0.5
11/05/2021 12:07:35	0.5
11/05/2021 12:10:32	0.5
2021 年 11 月 5 日 12:12:55	0.5
2021 年 11 月 5 日 12:16:22	0.5
2021 年 11 月 5 日 12:17:45	0.5
11/05/2021 12:20:14	0.5
2021 年 11 月 5 日 12:22:26	0.5

在活動期間，我希望能夠計算：

• 滾動 60 分鍾總計
• 活動總共最多 60 分鍾（不是從上午 11 點到 12 點、中午 12 點到下午 1 點等的每小時總數）

即在上面的示例中：60 分鍾的時間段可以從 12:07:35 開始並包括回到 11:15:10（60 分鍾的時間段從尖端的確切 hh:mm:ss 開始）。

了解最大總數有助於我們比較事件和預測。

到目前為止我的思考過程：

我一直在使用滯后 function 計算水位上升率（每隔 5 分鍾記錄一次）。

River_Hour_RoR <- mutate(River, RoR = Stage - lag(Stage, n = 12))

我想也許我可以使用總和/累積總和 function 和滯后 function （以類似於 WL 上升率的方式），但我不確定如何指定 60 分鍾的時間間隔。

任何關於如何做到這一點的想法或不同的方法將不勝感激：謝謝:)！

Answer 1

library(lubridate)
library(slider)


# convert to POSIXct datetime format
df1$Date.and.time = lubridate::mdy_hms(df1$Date.and.time)

# sum over prior 60 minutes using slider::slide_index
df1$hourly_total = slider::slide_index_dbl(df1$Rainfall, df1$Date.and.time, sum, .before = minutes(60))

df1[df1$hourly_total == max(df1$hourly_total),]
#         Date.and.time Rainfall hourly_total
#23 2021-11-05 12:22:26      0.5           10

或者，這是一個dplyr方法，我們采用數據的累積總和，加上一個滯后一小時的版本和負降雨。 這將允許僅對過去 60m 的總數進行累積計數。

library(dplyr)
bind_rows(
  df1,
  df1 %>% mutate(Date.and.time = Date.and.time + dhours(1),
                 Rainfall = -Rainfall)) %>%
  arrange(Date.and.time) %>%
  mutate(Rainfall_60m = cumsum(Rainfall))

如果我們將它輸入 ggplot，我們可以直觀地看到它是如何工作的：

... %>%
ggplot(aes(Date.and.time, Rainfall_60m)) + 
geom_step() +
geom_col(aes(y = Rainfall))

Answer 2

使用data.table ，僅在過去 60 分鍾內對這些記錄進行自聯接：

library(data.table)
setDT(dat)

dat[, Datetime := as.POSIXct(Datetime , format="%d/%m/%Y %H:%M:%S", tz="UTC") ]
dat[, subthour := Datetime - as.difftime(1, units="hours") ]

dat[, Sum_Rainfall := 
  dat[
    dat,
    on = c("Datetime>=subthour", "Datetime<=Datetime"),
    sum(Rainfall),
    by=.EACHI
  ]$V1
]
dat[, subthour := NULL]

結果：

#               Datetime Rainfall Sum_Rainfall
# 1: 2021-05-11 11:05:17      0.5          0.5
# 2: 2021-05-11 11:15:10      0.5          1.0
# 3: 2021-05-11 11:20:04      0.5          1.5
# 4: 2021-05-11 11:28:22      0.5          2.0
# 5: 2021-05-11 11:33:25      0.5          2.5
# 6: 2021-05-11 11:36:39      0.5          3.0
# 7: 2021-05-11 11:39:50      0.5          3.5
# 8: 2021-05-11 11:41:43      0.5          4.0
# 9: 2021-05-11 11:43:35      0.5          4.5
#10: 2021-05-11 11:44:57      0.5          5.0
#11: 2021-05-11 11:47:02      0.5          5.5
#12: 2021-05-11 11:48:42      0.5          6.0
#13: 2021-05-11 11:53:04      0.5          6.5
#14: 2021-05-11 11:58:33      0.5          7.0
#15: 2021-05-11 12:01:27      0.5          7.5
#16: 2021-05-11 12:02:52      0.5          8.0
#17: 2021-05-11 12:07:35      0.5          8.0
#18: 2021-05-11 12:10:32      0.5          8.5
#19: 2021-05-11 12:12:55      0.5          9.0
#20: 2021-05-11 12:16:22      0.5          9.0
#21: 2021-05-11 12:17:45      0.5          9.5
#22: 2021-05-11 12:20:14      0.5          9.5
#23: 2021-05-11 12:22:26      0.5         10.0
#               Datetime Rainfall Sum_Rainfall

dat在哪里：

dat <- structure(list(Datetime = c("11/05/2021 11:05:17", "11/05/2021 11:15:10", 
"11/05/2021 11:20:04", "11/05/2021 11:28:22", "11/05/2021 11:33:25", 
"11/05/2021 11:36:39", "11/05/2021 11:39:50", "11/05/2021 11:41:43", 
"11/05/2021 11:43:35", "11/05/2021 11:44:57", "11/05/2021 11:47:02", 
"11/05/2021 11:48:42", "11/05/2021 11:53:04", "11/05/2021 11:58:33", 
"11/05/2021 12:01:27", "11/05/2021 12:02:52", "11/05/2021 12:07:35", 
"11/05/2021 12:10:32", "11/05/2021 12:12:55", "11/05/2021 12:16:22", 
"11/05/2021 12:17:45", "11/05/2021 12:20:14", "11/05/2021 12:22:26"
), Rainfall = c(0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 
0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 
0.5)), class = "data.frame", row.names = c(NA, -23L))

Answer 3

將第一列轉換為 POSIXct，然后使用findInterval查找 60 分鍾（3600 秒）后的行號。 w[i]定義為數據幀第 i 行的總行數。 使用允許寬度為向量 w 的運行 rollapplyr。 w 可能很有趣，因為它顯示了每個總數中涉及的行數。 然后我們可以使用 which.max 來獲取最大總數的行。

library(zoo)

tt <- as.POSIXct(DF[[1]], format = "%m/%d/%Y %H:%M:%S")
w <- seq_along(tt) - findInterval(tt - 3600, tt)
DF2 <- transform(DF, total = rollapplyr(Rainfall, w, sum, fill = NA), w = w,
              check.names = FALSE)

head(DF2)
##         Date and time Rainfall total w
## 1 11/05/2021 11:05:17      0.5   0.5 1
## 2 11/05/2021 11:15:10      0.5   1.0 2
## 3 11/05/2021 11:20:04      0.5   1.5 3
#3 4 11/05/2021 11:28:22      0.5   2.0 4
## 5 11/05/2021 11:33:25      0.5   2.5 5
## 6 11/05/2021 11:36:39      0.5   3.0 6

DF2[which.max(DF2$total), ]
##          Date and time Rainfall total  w
## 23 11/05/2021 12:22:26      0.5    10 20