[英]Convert Daily Data into Weekly Data and summarize multiple columns in R
我想更改以下數據集:
date A B
01/01/2018 391 585
02/01/2018 420 595
03/01/2018 455 642
04/01/2018 469 654
05/01/2018 611 900
06/01/2018 449 640
07/01/2018 335 522
08/01/2018 726 955
09/01/2018 676 938
10/01/2018 508 740
11/01/2018 562 778
12/01/2018 561 761
13/01/2018 426 609
14/01/2018 334 508
我想要的 output 如下:
date A B
07/01/2018 3130 4538
14/01/2018 3793 5289
其中,A 列和 B 列的數量是每周 7 天的總和。 確實,我想將每日數據轉換為每周數據。 我在 Stackoverflow 網站上找到了兩個解決方案。 一種解決方案是使用庫(tidyquant)和以下代碼
library(tidyquant)
newfd<-df %>%
tq_transmute(select = A,
mutate_fun = apply.weekly,
FUN = sum)
該代碼為 A 列生成每周數據,而我需要所有列。 (我有很多專欄)。 我還使用了以下代碼。 但是,我不知道如何為所有列開發代碼。
library(slider)
slide_period_dfr(.x = califo, .i=as.Date(califo$date),
.period = "week",
.f = ~data.frame(week_ending = tail(.x$ date,1),
week_freq = sum(.x$A)),
.origin = as.Date("2018-01-01"))
您可以使用ceiling_date
將日期設為每周日期,並across
dplyr
多個變量sum
。
library(dplyr)
library(lubridate)
df %>%
group_by(date = ceiling_date(dmy(date), 'week', week_start = 1)) %>%
summarise(across(A:B, sum))
# date A B
# <date> <int> <int>
#1 2018-01-08 3130 4538
#2 2018-01-15 3793 5289
數據
df <- structure(list(date = c("01/01/2018", "02/01/2018", "03/01/2018",
"04/01/2018", "05/01/2018", "06/01/2018", "07/01/2018", "08/01/2018",
"09/01/2018", "10/01/2018", "11/01/2018", "12/01/2018", "13/01/2018",
"14/01/2018"), A = c(391L, 420L, 455L, 469L, 611L, 449L, 335L,
726L, 676L, 508L, 562L, 561L, 426L, 334L), B = c(585L, 595L,
642L, 654L, 900L, 640L, 522L, 955L, 938L, 740L, 778L, 761L, 609L,
508L)), class = "data.frame", row.names = c(NA, -14L))
一旦系列按日期排列,您就可以計算索引id = 0:(nrow(df) - 1)
,並使用它來定義每個日期week = id %/% 7
屬於哪個時期(周)。 在date = max(date)
中選擇鏈接到每周的日期作為一周的最后一個日期。 其他選項是可能的。
library(dplyr)
library(lubridate)
df <- tribble(~date, ~A, ~B,
"01/01/2018", 391, 585,
"02/01/2018", 420, 595,
"03/01/2018", 455, 642,
"04/01/2018", 469, 654,
"05/01/2018", 611, 900,
"06/01/2018", 449, 640,
"07/01/2018", 335, 522,
"08/01/2018", 726, 955,
"09/01/2018", 676, 938,
"10/01/2018", 508, 740,
"11/01/2018", 562, 778,
"12/01/2018", 561, 761,
"13/01/2018", 426, 609,
"14/01/2018", 334, 508)
df %>%
mutate(date = dmy(date)) %>%
arrange(date) %>%
mutate(id = 0:(nrow(df) - 1), week = id %/% 7) %>%
group_by(week) %>%
summarize(date = max(date), across(A:B, sum))
#> # A tibble: 2 x 4
#> week date A B
#> <dbl> <date> <dbl> <dbl>
#> 1 0 2018-01-07 3130 4538
#> 2 1 2018-01-14 3793 5289
由代表 package (v0.3.0) 於 2021 年 6 月 5 日創建
您可以pivot_longer()
以便只有一列數據要轉換,將 function 應用於該列,然后pivot_wider()
。
這是mtcars
的一個簡單示例:
library(tidyverse)
mtcars %>%
rownames_to_column(var = "car") %>%
select(car, mpg, cyl) %>%
pivot_longer(cols = c(mpg, cyl), names_to = "var") %>%
mutate(value = value^2) %>%
pivot_wider(names_from = var, names_prefix = "squared_")
# A tibble: 32 x 3
car squared_mpg squared_cyl
<chr> <dbl> <dbl>
1 Mazda RX4 441 36
2 Mazda RX4 Wag 441 36
3 Datsun 710 520. 16
4 Hornet 4 Drive 458. 36
5 Hornet Sportabout 350. 64
6 Valiant 328. 36
7 Duster 360 204. 64
8 Merc 240D 595. 16
9 Merc 230 520. 16
10 Merc 280 369. 36
# … with 22 more rows
您的aggregation
將取代我的mutate
步驟。
這是否比重復創建新變量更簡潔取決於您要處理的變量數量。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.