secuenciales - manipulacion de fechas en r

Insertar filas para fechas/horas faltantes

Question

Soy nuevo en R, pero he recurrido a él para resolver un problema con un gran conjunto de datos que estoy tratando de procesar. Actualmente tengo un conjunto de 4 columnas de datos (valores Y) contra marcas de tiempo de intervalos de minutos (mes / día / hora por año: min) (valores X) como se muestra a continuación:

 timestamp tr tt sr st
1 9/1/01 0:00 1.018269e+02 -312.8622 -1959.393 4959.828
2 9/1/01 0:01 1.023567e+02 -313.0002 -1957.755 4958.935
3 9/1/01 0:02 1.018857e+02 -313.9406 -1956.799 4959.938
4 9/1/01 0:03 1.025463e+02 -310.9261 -1957.347 4961.095
5 9/1/01 0:04 1.010228e+02 -311.5469 -1957.786 4959.078

El problema que tengo es que faltan algunos valores de indicación de fecha y hora, por ejemplo, puede haber una brecha entre el 1/01/01/13 y el 1/01/01 / 0:27 y dichos espacios son irregulares a través del conjunto de datos. Necesito poner varias de estas series en la misma base de datos y dado que los valores perdidos son diferentes para cada serie, las fechas actualmente no se alinean en cada fila.

Me gustaría generar filas para estas marcas de tiempo faltantes y llenar las columnas Y con valores en blanco (sin datos, no cero), de modo que tengo una serie temporal continua.

Honestamente, no estoy muy seguro de por dónde empezar (¡realmente no utilicé R antes, así que aprendí a medida que avanzo!), Pero cualquier ayuda sería muy apreciada. Hasta ahora he instalado chron y zoo, ya que parece que podrían ser útiles.

¡Gracias!

Answer 1

Creo que lo más fácil es establecer primero la fecha como ya se describió, convertirla en zoológico y luego establecer una fusión:

df$timestamp<-as.POSIXct(df$timestamp,format="%m/%d/%y %H:%M")
df1.zoo<-zoo(df[,-1],df[,1]) #set date to Index
df2 <- merge(df1.zoo,zoo(,seq(start(df1.zoo),end(df1.zoo),by="min")), all=TRUE)

El inicio y el final se proporcionan a partir de su df1 (datos originales) y está configurando, por ejemplo, min, como lo necesita para su ejemplo. all = TRUE establece todos los valores faltantes en las fechas faltantes a las NA.

Answer 2

El relleno de fecha se implementa en el paquete padr en R. Si almacena su marco de datos, con su variable de fecha y hora almacenada como POSIXct o POSIXlt . Todo lo que necesitas hacer es:

library(padr)
pad(df_name)

Ver viñeta ("padr") o esta publicación de blog para su funcionamiento.

Answer 3

En caso de que desee sustituir los valores de NA adquiridos por cualquier método mencionado anteriormente con ceros, puede hacer esto:

df[is.na(df)] <- 0

(Originalmente quería comentar esto sobre la respuesta de Ibollar pero carezco de la reputación necesaria, así que publiqué como respuesta)

Answer 4

Esta es una vieja pregunta, pero solo quería publicar una forma de manejar esto, ya que encontré esta publicación mientras buscaba una respuesta a un problema similar. Me resulta más intuitivo y fácil de entender que el enfoque del zoológico.

library(dplyr)
ts <- seq.POSIXt(as.POSIXct("2001-09-01 0:00",''%m/%d/%y %H:%M''), as.POSIXct("2001-09-01 0:07",''%m/%d/%y %H:%M''), by="min")
ts <- seq.POSIXt(as.POSIXlt("2001-09-01 0:00"), as.POSIXlt("2001-09-01 0:07"), by="min")
ts <- format.POSIXct(ts,''%m/%d/%y %H:%M'')
df <- data.frame(timestamp=ts)
data_with_missing_times <- full_join(df,original_data)
timestamp tr tt sr st
1 09/01/01 00:00 15 15 78 42
2 09/01/01 00:01 20 64 98 87
3 09/01/01 00:02 31 84 23 35
4 09/01/01 00:03 21 63 54 20
5 09/01/01 00:04 15 23 36 15
6 09/01/01 00:05 NA NA NA NA
7 09/01/01 00:06 NA NA NA NA
8 09/01/01 00:07 NA NA NA NA

También usando dplyr, esto hace que sea más fácil hacer algo así como cambiar todos esos valores faltantes a otra cosa, lo cual fue muy útil para mí al trazar en ggplot.

data_with_missing_times %>% group_by(timestamp) %>% mutate_each(funs(ifelse(is.na(.),0,.)))
timestamp tr tt sr st
1 09/01/01 00:00 15 15 78 42
2 09/01/01 00:01 20 64 98 87
3 09/01/01 00:02 31 84 23 35
4 09/01/01 00:03 21 63 54 20
5 09/01/01 00:04 15 23 36 15
6 09/01/01 00:05 0 0 0 0
7 09/01/01 00:06 0 0 0 0
8 09/01/01 00:07 0 0 0 0

Answer 5

Estaba buscando algo similar, donde en lugar de completar las indicaciones de fecha y hora faltantes, mi información era de meses y días. Así que quería generar una secuencia de meses que se adapte a los años bisiestos, etcétera. Yo utilicé lubridate :

date <- df$timestamp[1]
date_list <- c(date)
while (date < df$timestamp[nrow(df)]){
date <- date %m+% months(1)
date_list <- c(date_list,date)
}
date_list <- format(as.Date(date_list),"%Y-%m-%d")
df_1 <- data.frame(months=date_list, stringsAsFactors = F)

Esto me dará una lista de fechas en meses incrementales. Entonces me uno

df_with_missing_months <- full_join(df_1,df)

Answer 6

# some made-up data
originaldf <- data.frame(timestamp=c("9/1/01 0:00","9/1/01 0:01","9/1/01 0:03","9/1/01 0:04"),
tr = rnorm(4,0,1),
tt = rnorm(4,0,1))
originaldf$minAsPOSIX <- as.POSIXct(originaldf$timestamp, format="%m/%d/%y %H:%M", tz="GMT")
# Generate vector of all minutes
ndays <- 1 # number of days to generate
minAsNumeric <- 60*60*24*243 + seq(0,60*60*24*ndays,by=60)
# convert those minutes to POSIX
minAsPOSIX <- as.POSIXct(minAsNumeric, origin="2001-01-01", tz="GMT")
# new df
newdf <- merge(data.frame(minAsPOSIX),originaldf,all.x=TRUE, by="minAsPOSIX")

Answer 7

df1.zoo <- zoo(df1[,-1], as.POSIXlt(df1[,1], format = "%Y-%m-%d %H:%M:%S")) #set date to Index: Notice that column 1 is Timestamp type and is named as "TS"
full.frame.zoo <- zoo(NA, seq(start(df1.zoo), end(df1.zoo), by="min")) # zoo object
full.frame.df <- data.frame(TS = as.POSIXlt(index(full.frame.zoo), format = "%Y-%m-%d %H:%M:%S")) # conver zoo object to data frame
full.vancouver <- merge(full.frame.df, df1, all = TRUE) # merge