Wie Daten zu einer Gruppe von Zeitintervalls in R

Question

Ich habe Daten, die wie folgt aussieht:

library(plyr) 
dates<-data.frame(datecol=as.POSIXct(c(
    "2010-04-03 03:02:38 UTC", 
    "2010-04-03 03:03:14 UTC", 
    "2010-04-20 03:05:52 UTC", 
    "2010-04-20 03:07:42 UTC", 
    "2010-04-21 03:09:38 UTC", 
    "2010-04-21 03:10:14 UTC", 
    "2010-04-21 03:12:52 UTC", 
    "2010-04-23 03:13:42 UTC", 
    "2010-04-23 03:15:42 UTC", 
    "2010-04-23 03:16:38 UTC", 
    "2010-04-23 03:18:14 UTC", 
    "2010-04-24 03:21:52 UTC", 
    "2010-04-24 03:22:42 UTC", 
    "2010-04-24 03:24:19 UTC", 
    "2010-04-24 03:25:19 UTC" 
)), x = cumsum(runif(15)*10),y=cumsum(runif(15)*20)) 

Ich möchte, dass meine Daten in 5 Tage Abständen Gruppe, so dass alle Punkte, die 5 Tage oder weniger auseinander sind in einer Gruppe zusammengefasst. Ich habe versucht, was here vorgeschlagen wurde:

gr<-ddply(dates,.(cut(datecol,"5 day",include.lowest = TRUE)),"[") 

Aber aus irgendeinem Grund, den ich drei Gruppen am Ende mit zwei statt, und die Punkte von 21.4 und 23.4 fallen in getrennten Gruppen, obwohl sie weniger als 5 Tage auseinander.

Dies ist, was Ich mag würde bekommen:

  group    datecol   x   y 
1   1 2010-04-03 03:02:38 8.112423 4.790036 
2   1 2010-04-03 03:03:14 11.184709 22.903475 
3   2 2010-04-20 03:05:52 17.306835 32.286891 
4   2 2010-04-20 03:07:42 24.071488 38.941709 
5   2 2010-04-21 03:09:38 26.451493 48.378477 
6   2 2010-04-21 03:10:14 33.090645 53.148149 
7   2 2010-04-21 03:12:52 38.536416 64.346574 
8   2 2010-04-23 03:13:42 40.911074 79.419002 
9   2 2010-04-23 03:15:42 41.977579 89.760210 
10   2 2010-04-23 03:16:38 46.838773 95.266709 
11   2 2010-04-23 03:18:14 48.367159 112.619969 
12   2 2010-04-24 03:01:52 57.470412 113.594423 
13   2 2010-04-24 03:02:42 63.202005 123.653370 
14   2 2010-04-24 03:04:19 65.615348 137.184153 
15   2 2010-04-24 03:25:19 75.177633 137.559003 

Answer 1

Wie wärs mit einem cumsum, die die verzögerten Werte und Updates bei Bedarf überprüft? Wir verwenden die shift() Funktion aus der data.table Bibliothek für die Lags.

library(data.table) 
dates$group <- cumsum(ifelse(difftime(dates$datecol, 
            shift(dates$datecol, fill = dates$datecol[1]), 
            units = "days") >= 5 
         ,1, 0)) + 1 

head(dates) 
#    datecol   x   y group 
#1 2010-04-03 03:02:38 4.776196 5.160336  1 
#2 2010-04-03 03:03:14 13.388291 14.731241  1 
#3 2010-04-20 03:05:52 17.769262 30.057454  2 
#4 2010-04-20 03:07:42 20.217235 31.742392  2 
#5 2010-04-21 03:09:38 20.924025 49.248819  2 
#6 2010-04-21 03:10:14 21.918687 56.030278  2 

Dies setzt voraus, Ihre Daten von Zeit vom kleinsten sortiert nach größten

Answer 2

Sie können die Pausen manuell eingestellt, so dass sie zu dem Zeitpunkt, Baseline referenziert werden Sie es wünschen. Zum Beispiel:

library(lubridate) 

start.date = ymd_hms("2010-04-20 00:00:00") 
breaks = seq(start.date - 30*3600*24, start.date + 30*3600*24, "5 days") 

dates$group5 = cut(dates$datecol, breaks=breaks) 

   datecol   x   y  group5 
1 2010-04-03 03:02:38 7.265758 10.80777 2010-03-31 
2 2010-04-03 03:03:14 15.632081 13.57187 2010-03-31 
3 2010-04-20 03:05:52 19.219491 19.76293 2010-04-20 
4 2010-04-20 03:07:42 20.605199 37.22687 2010-04-20 
5 2010-04-21 03:09:38 26.533445 53.90345 2010-04-20 
6 2010-04-21 03:10:14 33.449645 56.27885 2010-04-20 
7 2010-04-21 03:12:52 39.050517 71.74788 2010-04-20 
8 2010-04-23 03:13:42 39.499227 76.92669 2010-04-20 
9 2010-04-23 03:15:42 44.827766 79.49207 2010-04-20 
10 2010-04-23 03:16:38 54.206473 89.60895 2010-04-20 
11 2010-04-23 03:18:14 54.982695 94.37855 2010-04-20 
12 2010-04-24 03:21:52 64.414931 104.24174 2010-04-20 
13 2010-04-24 03:22:42 64.659980 113.77616 2010-04-20 
14 2010-04-24 03:24:19 67.343105 128.06813 2010-04-20 
15 2010-04-24 03:25:19 71.060741 138.43512 2010-04-20