概述

时间与空间是世界运行的主要维度，各行各业的运作都受到这两个维度的影响。其中，时间这个维度本身虽然只需要一列timestamp即可存储所有信息，不过通过进一步的时间维度挖掘，我们可以从中找到许多规律来丰富特征工程。甚至在很多场景下，路过其他维度采集困难的情况下，仅仅通过时间序列也可能实现较为精准的预测任务，由此可见时间维度对数据分析的重要性。R语言在时空数据挖掘方面已经有许多经典案例，比如CRAN上的TimeSeries主页、时间序列分析与R语言，本文将一起重温，如何通过lubridate和百度API撸一遍时间维的挖掘。

时间挖掘关键R包

处理时间序列的关键R包有 lubridate,xts,forecast,anytime,zoo

通常，我们在数据库中会存储一些日志数据的时间戳，他们以形如 2016-10-23 15:12:06的格式存储，当我们从数据库读入内存，以数据帧格式存储时，可能存在一列这样的数据：

通过时间戳，我们往往还需要挖掘出更细粒度的特征，比如年月日，上午、下午、晚上，季度、星期、是否闰年、是否节假日（法定或促销）等等。

利用lubridate，我们可以很方便的提取时间维度的特征，由于机器只能识别数字，所以 0-1 变量我们都转为数字显示，而不是默认的 TRUE/FALSE。

con <- RMySQL::dbConnect(RMySQL::MySQL(),user="root",password="FinanceR",dbname="quota",host="localhost")

con %>% dbSendStatement("SET NAMES UTF8")

# fetch data
raw_data <- con %>% 
            dbSendQuery("
      select code,price,create_time
      from quota.price
            ") %>%dbFetch(-1)

# feature engineering                              
data <- raw_data %>%   
  mutate(ymd = lubridate::ymd_hms(create_time) %>% lubridate::ymd_hms()) %>% 
  mutate(am = lubridate::ymd_hms(create_time) %>% lubridate::am() %>% ifelse(0,1)) %>%
  mutate(wday = lubridate::ymd_hms(create_time) %>% lubridate::wday()) %>%
  mutate(month = lubridate::ymd_hms(create_time) %>% lubridate::month()) %>%
  mutate(quarter = lubridate::ymd_hms(create_time) %>% lubridate::quarter()) %>%
  mutate(leap_year = lubridate::ymd_hms(create_time) %>% lubridate::leap_year() %>% ifelse(0,1)) %>%
  mutate(time_5_min = lubridate::ceiling_date(create_time,'5 mins') ) %>%
  mutate(night = night(create_time)) %>%
  mutate(holiday = is_holiday(create_time)) 




# data viz
data %>% select(-create_time) %>% GGally::ggcorr( nbreaks = 10)  %>% plotly::ggplotly()

参考资料

• 多维集合分析可视化

• Cheatsheet – Python & R codes for common Machine Learning Algorithms

• metrics

• spectacle

• dygraphs 时间序列制图

• time zone setting

（编辑：开发网_郴州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!