агрегированная функция производит ежедневно вместо среднечасового

Question

У меня есть data.frame с 15-минутными шагами в первом столбце и еще 16 столбцами с данными. Я хочу получить среднечасовое значение для каждого столбца. Я использую агрегат, и он работает отлично в течение 1 мин данных.

mydata <- list() 
for(j in colnames(data_frame)){ 
    data_mean <- aggregate(data_frame[j], 
         list(hour=cut(as.POSIXct(data_frame$TIME), "hour")), 
         mean, na.rm=TRUE) 
    mydata[[j]] <- data_mean 
} 

Когда я использую эту же установку в течение 15 мин данных набора дает мне среднесуточные вместо почасового среднего. Любая идея почему?

Мои данные выглядит следующим за 1 мин данные:

"TIME","Tair","RH" 
2016-01-01 00:01:00,5.9,82 
2016-01-01 00:02:00,5.9,82 
2016-01-01 00:03:00,5.9,82 
2016-01-01 00:04:00,5.89,82 
2016-01-01 00:05:00,5.8,82 
2016-01-01 00:06:00,5.8,82 
2016-01-01 00:07:00,5.8,82 
2016-01-01 00:08:00,5.8,82 
2016-01-01 00:09:00,5.8,82 
2016-01-01 00:10:00,5.8,82 
2016-01-01 00:11:00,5.8,82 
2016-01-01 00:12:00,5.8,82 
2016-01-01 00:13:00,5.8,82 
2016-01-01 00:14:00,5.8,82 
2016-01-01 00:15:00,5.8,82 
2016-01-01 00:16:00,5.8,82 
2016-01-01 00:17:00,5.8,82 
2016-01-01 00:18:00,5.8,82 
2016-01-01 00:19:00,5.8,82 
2016-01-01 00:20:00,5.8,82 
2016-01-01 00:21:00,5.75,82 
2016-01-01 00:22:00,5.78,82 
2016-01-01 00:23:00,5.78,83 
2016-01-01 00:24:00,5.8,82 
2016-01-01 00:25:00,5.73,82 
2016-01-01 00:26:00,5.7,82 
2016-01-01 00:27:00,5.7,82 
2016-01-01 00:28:00,5.7,82 
2016-01-01 00:29:00,5.7,82 
2016-01-01 00:30:00,5.7,82 
2016-01-01 00:31:00,5.7,83 
2016-01-01 00:32:00,5.76,83 
2016-01-01 00:33:00,5.8,83 
2016-01-01 00:34:00,5.8,82 
2016-01-01 00:35:00,5.8,82 
2016-01-01 00:36:00,5.8,83 
2016-01-01 00:37:00,5.79,83 
2016-01-01 00:38:00,5.7,82 

И 15 мин данные:

"TIME","Tair","RH" 
2016-01-01 00:15:00,6.228442,80.40858 
2016-01-01 00:30:00,6.121088,81.00000 
2016-01-01 00:45:00,6.075000,NA 
2016-01-01 01:00:00,5.951910,NA 
2016-01-01 01:15:00,5.844144,NA 
2016-01-01 01:30:00,5.802242,NA 
2016-01-01 01:45:00,5.747619,NA 
2016-01-01 02:00:00,5.742889,NA 
2016-01-01 02:15:00,5.752584,81.12135 
2016-01-01 02:30:00,5.677753,81.00000 
2016-01-01 02:45:00,5.500224,81.61435 
2016-01-01 03:00:00,5.225282,82.29797 
2016-01-01 03:15:00,5.266441,83.00000 
2016-01-01 03:30:00,5.200448,83.32584 
2016-01-01 03:45:00,5.098876,84.00000 
2016-01-01 04:00:00,5.081061,83.76894 
2016-01-01 04:15:00,5.230769,82.88664 
2016-01-01 04:30:00,5.300000,82.06742 
2016-01-01 04:45:00,5.300000,NA 
2016-01-01 05:00:00,5.399776,NA 

Answer 1

Ваш код работает для меня.

Однако ваша петля немного расточительна тем, что она многократно вычисляет разрез столбца TIME для каждого столбца data.frame. Вы можете прекомпретировать его, но есть лучшее решение.

Вы можете производить тот же результат, но в более простой, обычной и более полезной форме с одним вызовом aggregate():

aggregate(df1[names(df1)!='TIME'],list(hour=cut(df1$TIME,'hour')),mean,na.rm=T); 
##   hour  Tair  RH 
## 1 2016-01-01 5.786316 82.15789 
aggregate(df15[names(df15)!='TIME'],list(hour=cut(df15$TIME,'hour')),mean,na.rm=T); 
##     hour  Tair  RH 
## 1 2016-01-01 00:00:00 6.141510 80.70429 
## 2 2016-01-01 01:00:00 5.836479  NaN 
## 3 2016-01-01 02:00:00 5.668362 81.24523 
## 4 2016-01-01 03:00:00 5.197762 83.15595 
## 5 2016-01-01 04:00:00 5.227957 82.90767 
## 6 2016-01-01 05:00:00 5.399776  NaN 

данных

df1 <- data.frame(TIME=as.POSIXct(c('2016-01-01 00:01:00','2016-01-01 00:02:00', 
'2016-01-01 00:03:00','2016-01-01 00:04:00','2016-01-01 00:05:00','2016-01-01 00:06:00', 
'2016-01-01 00:07:00','2016-01-01 00:08:00','2016-01-01 00:09:00','2016-01-01 00:10:00', 
'2016-01-01 00:11:00','2016-01-01 00:12:00','2016-01-01 00:13:00','2016-01-01 00:14:00', 
'2016-01-01 00:15:00','2016-01-01 00:16:00','2016-01-01 00:17:00','2016-01-01 00:18:00', 
'2016-01-01 00:19:00','2016-01-01 00:20:00','2016-01-01 00:21:00','2016-01-01 00:22:00', 
'2016-01-01 00:23:00','2016-01-01 00:24:00','2016-01-01 00:25:00','2016-01-01 00:26:00', 
'2016-01-01 00:27:00','2016-01-01 00:28:00','2016-01-01 00:29:00','2016-01-01 00:30:00', 
'2016-01-01 00:31:00','2016-01-01 00:32:00','2016-01-01 00:33:00','2016-01-01 00:34:00', 
'2016-01-01 00:35:00','2016-01-01 00:36:00','2016-01-01 00:37:00','2016-01-01 00:38:00')), 
Tair=c(5.9,5.9,5.9,5.89,5.8,5.8,5.8,5.8,5.8,5.8,5.8,5.8,5.8,5.8,5.8,5.8,5.8,5.8,5.8,5.8,5.75, 
5.78,5.78,5.8,5.73,5.7,5.7,5.7,5.7,5.7,5.7,5.76,5.8,5.8,5.8,5.8,5.79,5.7),RH=c(82L,82L,82L, 
82L,82L,82L,82L,82L,82L,82L,82L,82L,82L,82L,82L,82L,82L,82L,82L,82L,82L,82L,83L,82L,82L,82L, 
82L,82L,82L,82L,83L,83L,83L,82L,82L,83L,83L,82L)); 

df15 <- data.frame(TIME=as.POSIXct(c('2016-01-01 00:15:00','2016-01-01 00:30:00', 
'2016-01-01 00:45:00','2016-01-01 01:00:00','2016-01-01 01:15:00','2016-01-01 01:30:00', 
'2016-01-01 01:45:00','2016-01-01 02:00:00','2016-01-01 02:15:00','2016-01-01 02:30:00', 
'2016-01-01 02:45:00','2016-01-01 03:00:00','2016-01-01 03:15:00','2016-01-01 03:30:00', 
'2016-01-01 03:45:00','2016-01-01 04:00:00','2016-01-01 04:15:00','2016-01-01 04:30:00', 
'2016-01-01 04:45:00','2016-01-01 05:00:00')),Tair=c(6.228442,6.121088,6.075,5.95191, 
5.844144,5.802242,5.747619,5.742889,5.752584,5.677753,5.500224,5.225282,5.266441,5.200448, 
5.098876,5.081061,5.230769,5.3,5.3,5.399776),RH=c(80.40858,81,NA,NA,NA,NA,NA,NA,81.12135,81, 
81.61435,82.29797,83,83.32584,84,83.76894,82.88664,82.06742,NA,NA));