在 R 中每小时拆分时间序列数据

Question

我有以 10 分钟的速率采样的时间序列数据。我想按小时拆分它，但令我惊讶的是 split.xts 没有产生预期的结果。使用的步骤是：

library(xts)
set.seed(123)
Sys.setenv(TZ="Asia/Kolkata")
timeind <- seq(as.POSIXct("2017-01-20 00:00:00 IST"),
               as.POSIXct("2017-01-20 23:59:59 IST"),by="10 min") #for indexing
df <- xts(runif(length(timeind),30,50),timeind) #xts data frame 
split(df,"hours",k=1)

输出是：

[[1]]
                        [,1]
2017-01-20 00:00:00 31.24343
2017-01-20 00:10:00 32.57921
2017-01-20 00:20:00 40.17684

[[2]]
                        [,1]
2017-01-20 00:30:00 41.89185
2017-01-20 00:40:00 30.93997
2017-01-20 00:50:00 31.76651
2017-01-20 01:00:00 49.07364
2017-01-20 01:10:00 34.79113
2017-01-20 01:20:00 48.13881

预期输出为：

[[1]]
                        [,1]
2017-01-20 00:00:00 31.24343
2017-01-20 00:10:00 32.57921
2017-01-20 00:20:00 40.17684
2017-01-20 00:30:00 41.89185
2017-01-20 00:40:00 30.93997
2017-01-20 00:50:00 31.76651

[[2]]
2017-01-20 01:00:00 49.07364
2017-01-20 01:10:00 34.79113
2017-01-20 01:20:00 48.13881
...

为什么 split.xts 无法正常工作？

Answer 1

这是一个known bug。如果索引时区恰好不是与 UTC 相差一个小时的时区，endpoints 将无法正常工作（因为它的计算是基于 UTC）。

例如，Asia/Kolkata 是 UTC+0530，所以 endpoints 对齐 half-hours。

一种可能的 work-around 是在调用 split 之前向索引添加 30 分钟，然后从结果的每个元素中减去 30 分钟。虽然这可能会导致围绕夏令时的问题，但如果时区遵守一个。

df_adjusted <- df
.index(df_adjusted) <- .index(df_adjusted) - 60 * 30
by_hour <- lapply(split(df_adjusted, "hours"),
           function(x) { .index(x) <- .index(x) + 60 * 30; x })

在 R 中每小时拆分时间序列数据

Split time series data hourly in R

r

time-series

xts