Comment agréger les données quotidiennes en données mensuelles et annuelles dans R

Parfois, vous souhaiterez peut-être agréger des données quotidiennes en données hebdomadaires, mensuelles ou annuelles dans R.

Ce tutoriel explique comment le faire facilement à l’aide des packages lubridate et dplyr .

Exemple : agréger les données quotidiennes dans R

Supposons que nous ayons le bloc de données suivant dans R qui montre les ventes quotidiennes d’un article sur une période de 100 jours consécutifs :

#make this example reproducible
set.seed(1)

#create data frame 
df <- data.frame(date = as.Date("2020-12-01") + 0:99,
                 sales = runif(100, 20, 50))

#view first six rows
head(df)

        date    sales
1 2020-12-01 27.96526
2 2020-12-02 31.16372
3 2020-12-03 37.18560
4 2020-12-04 47.24623
5 2020-12-05 26.05046
6 2020-12-06 46.95169

Pour agréger ces données, nous pouvons utiliser la fonction floor_date() du package lubridate qui utilise la syntaxe suivante :

floor_date(x, unit)

où:

• x : un vecteur d’objets date.
• unité : unité de temps à laquelle arrondir. Les options incluent les secondes, les minutes, les heures, les jours, les semaines, les mois, les deux mois, les trimestres, les semestres et les années.

Les extraits de code suivants montrent comment utiliser cette fonction avec les fonctions group_by() et summary() du package dplyr pour trouver les ventes moyennes par semaine, mois et année :

Ventes moyennes par semaine

library(lubridate)
library(dplyr)

#round dates down to week
df$week <- floor_date(df$date, "week")

#find mean sales by week
df %>%
  group_by(week) %>%
  summarize(mean = mean(sales))

# A tibble: 15 x 2
   week        mean
        
 1 2020-11-29  33.9
 2 2020-12-06  35.3
 3 2020-12-13  39.0
 4 2020-12-20  34.4
 5 2020-12-27  33.6
 6 2021-01-03  35.9
 7 2021-01-10  37.8
 8 2021-01-17  36.8
 9 2021-01-24  32.8
10 2021-01-31  33.9
11 2021-02-07  34.1
12 2021-02-14  41.6
13 2021-02-21  31.8
14 2021-02-28  35.2
15 2021-03-07  37.1

Ventes moyennes par mois

library(lubridate)
library(dplyr)

#round dates down to week
df$month <- floor_date(df$date, "month")

#find mean sales by month
df %>%
  group_by(month) %>%
  summarize(mean = mean(sales))

# A tibble: 4 x 2
  month       mean
       
1 2020-12-01  35.3
2 2021-01-01  35.6
3 2021-02-01  35.2
4 2021-03-01  37.0

Ventes moyennes par année

library(lubridate)
library(dplyr)

#round dates down to week
df$year <- floor_date(df$date, "year")

#find mean sales by month
df %>%
  group_by(year) %>%
  summarize(mean = mean(sales))

# A tibble: 2 x 2
  year        mean
       
1 2020-01-01  35.3
2 2021-01-01  35.7

Notez que nous avons choisi d’agréger par la moyenne, mais nous pouvons utiliser n’importe quelle statistique récapitulative de notre choix, comme la médiane, le mode, le maximum, le minimum, etc.

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres tâches courantes dans R :

Comment calculer la moyenne par groupe dans R
Comment calculer les sommes cumulées dans R
Comment tracer une série chronologique dans R