如何通过对时间值应用条件来计算R中数据帧的聚合统计信息?

这里有一个可能的解决方案。您可以使用创建每小时分组 format(df$time,'%H') ,因此我们只获得每个时段的小时数,然后我们可以简单地按此新列分组,并计算每组的平均值。

df = data.frame(time=seq(Sys.time(),Sys.time()+2*60*60*24,by='hour'),val=sample(seq(5),49,replace=T))

library(dplyr)

df %>% mutate(hour=format(df$time,'%H')) %>%
  group_by(hour) %>%
  summarize(mean_val = mean(val))

要首先对非零值进行子集划分,可以执行以下操作之一:

df = subset(df,val!=0)

或使用以下命令启动dplyr链:

df %>% filter(df$val!=0)

希望这有帮助!

df 如下所示:

                  time val
1  2018-01-31 12:43:33   4
2  2018-01-31 13:43:33   2
3  2018-01-31 14:43:33   2
4  2018-01-31 15:43:33   3
5  2018-01-31 16:43:33   3
6  2018-01-31 17:43:33   1
7  2018-01-31 18:43:33   2
8  2018-01-31 19:43:33   4
...    ...       ...     ...

和输出:

# A tibble: 24 x 2
   hour  mean_val
   <chr>    <dbl>
 1 00        3.50
 2 01        3.50
 3 02        4.00
 4 03        2.50
 5 04        3.00
 6 05        2.00
 ....        ....

这假设您的 time 列已属于类 POSIXct ,否则首先必须使用 as.POSIXct(x,format='%Y-%m-%d %H:%M:%S')