时间序列及其可视化

Question

我有25万个这样的事件：

                 Slot Anzahl Nutzung TimeSlotNr WochenSlots Tag
1 2011-01-01 00:00:00      2   Firma          1         242   1
2 2011-01-01 00:00:00     50  Privat          1         242   1
3 2011-01-01 00:30:00      1   Firma          2         243   1
4 2011-01-01 00:30:00     49  Privat          2         243   1
5 2011-01-01 01:00:00      1   Firma          3         244   1
6 2011-01-01 01:00:00     48  Privat          3         244   1

一个时间段代表半个30分钟，“Anzahl”是一个时间段中的事件数，第一个时间段从2011-01-01 00:00:00开始，“WochenSlots”是时间段%%336，从周六00:00:00开始。所以我想在一周内看到分布情况。

我现在想做的是：

• 以x标度显示日期（星期一00:00-星期日24:00）
• 显示显示x%事件分布的行（信封）。

我不知道该怎么做。

  ggplot(data=PB2) + 
    geom_point(mapping = aes(x = WochenSlots, y = Anzahl, colour = Nutzung), alpha=0.6) +
    scale_y_continuous(labels = scales::percent) +
    facet_wrap(~Nutzung,
               shrink = TRUE,
               nrow = 2,
               scales = "free_y")

dput（PB2[1:100，]）结构（列表（槽=结构（c（1293840000, 1293840000, 1293841800, 1293841800, 1293843600, 1293843600, 1293845400, 1293845400, 1293847200, 1293847200, 1293849000, 1293849000, 1293850800, 1293850800, 1293852600, 1293852600, 1293854400, 1293854400, 1293856200, 1293856200, 1293858000, 1293858000, 1293859800, 1293859800, 1293861600, 1293861600, 1293863400, 1293863400, 1293865200, 1293865200, 1293867000, 1293867000, 1293868800, 1293868800, 1293870600, 1293870600, 1293872400, 1293872400, 1293874200, 1293874200, 1293876000, 1293876000, 1293877800, 1293877800, 1293879600, 1293879600, 1293881400, 1293881400, 1293883200, 1293883200, 1293885000, 1293885000, 1293886800, 1293886800, 1293888600, 1293888600, 1293890400, 1293890400, 1293892200, 1293892200, 1293894000, 1293894000, 1293895800, 1293895800, 1293897600, 1293897600, 1293899400, 1293899400, 1293901200, 1293901200, 1293903000, 1293903000, 1293904800, 1293904800, 1293906600, 1293906600, 1293908400, 1293908400, 1293910200, 1293910200, 1293912000, 1293912000, 1293913800, 1293913800, 1293915600, 1293915600, 1293917400, 1293917400, 1293919200, 1293919200, 1293921000, 1293921000, 1293922800, 1293922800, 1293924600, 1293924600, 1293926400, 1293926400, 1293928200, 1293928200)，类=c（POSIXct，POSIXt），tzone=UTC），Anzahl=c（2L，50L，1L，49L，1L，48L，1L，43L，1L，43L，1L，30L，1L，27L，0L，22L，0L，19L，0L，20L，0L，18L，0L，17L，0L，17L，0L，0L，17L，0L，18L，0L，19L，2L，19L，2L，2L，2L，2L，21L，2L，2L，20L，2L，2L，18L，2L，22L，2L，24L，3L，25L，1L，28L，1L，30L，1L，33L，1L，32L，1L，28L，2L名称=c（插槽，Anzahl，Nutzung，TimeSlotNr，WoxenSlot，Tag），row.names=c（NA，100L），类=data.frame）

Answer 1

看起来分位数回归可能就是你需要的。您发布的数据样本在每个时间点只有一个观察值，因此我创建了一些虚假数据以供说明。在下图中，我们使用一个灵活的样条函数作为回归函数，并在数据的第25和第75个百分位绘制回归线。让我知道这是否是你的想法。

library(ggplot2)
library(quantreg)
library(splines)

# Fake data
set.seed(2)
dat = data.frame(x=runif(1e4,0,20))
dat$y = cos(dat$x) + 10 + rnorm(1e4, 2)

ggplot(dat, aes(x,y)) +
  geom_point(alpha=0.1, colour="blue", size=0.5) +
  geom_quantile(formula=y ~ ns(x, 10), quantiles=c(0.25, 0.75),
                colour="red", size=1) +
  theme_classic()