Question

我正在尝试使用ddply与transform一起填充变量summary_Date和ID的数据框中的新变量Date）。根据使用ifelse评估的作品的长度来选择变量的值：

如果某个月内ID的观察结果少于五个，我希望通过将日期四舍五入到最接近的月份来计算summary_Date（使用round_date包中的lubridate }）;如果某个月内ID的观察次数超过五次，我希望summary_Date只是Date。

require(plyr)
require(lubridate)

test.df <- structure(
  list(ID = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,1, 1, 1, 1, 1, 1, 1, 1, 1
                , 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,2, 2, 2, 2, 2, 2, 2, 2)
       , Date = structure(c(-247320000, -246196800, -245073600, -243864000
                            , -242654400, -241444800, -126273600, -123595200
                            , -121176000, -118497600, 1359385200, 1359388800
                            , 1359392400, 1359396000, 1359399600, 1359403200
                            , 1359406800, 1359410400, 1359414000, 1359417600
                            , 55598400, 56116800, 58881600, 62078400, 64756800
                            , 67348800, 69854400, 72964800, 76161600, 79012800
                            , 1358589600, 1358676000, 1358762400, 1358848800
                            , 1358935200, 1359021600, 1359108000, 1359194400
                            , 1359280800, 1359367200), tzone = "GMT"
                          , class = c("POSIXct", "POSIXt"))
       , Val=rnorm(40))
  , .Names = c("ID", "Date", "Val"), row.names = c(NA, 40L)
  , class = "data.frame")

test.df <- ddply(test.df, .(ID, floor_date(Date, "month")), transform
                 , summary_Date=as.POSIXct(ifelse(length(ID)<5
                                                  , round_date(Date, "month")
                                                  ,Date)
                                           , origin="1970-01-01 00:00.00"
                                           , tz="GMT")
                 # Included length_x to easily see the length of the subset
                 , length_x = length(ID))

head(test.df,5)
#   floor_date(Date, "month") ID                Date        Val summary_Date length_x
# 1                1962-03-01  1 1962-03-01 12:00:00 -0.1037988   1962-03-01        3
# 2                1962-03-01  1 1962-03-14 12:00:00  0.2923056   1962-03-01        3
# 3                1962-03-01  1 1962-03-27 12:00:00  0.4435410   1962-03-01        3
# 4                1962-04-01  1 1962-04-10 12:00:00  0.1159164   1962-04-01        2
# 5                1962-04-01  1 1962-04-24 12:00:00  2.9824075   1962-04-01        2

ifelse语句似乎有效，但'summary_Date'中的值似乎是为变换正在处理的子集计算的第一个值，而不是行特定值。例如，在第3行中，summary_Date应为1962-04-01，因为日期1962-03-27 12:00:00'应该向上舍入（因为子集中的行少于5行），而是第一个计算的值summary_Date（1962-03-01）在该子集的所有行中重复。

编辑：我使用data.table使用ddply分两步尝试使用test.df <- ddply(test.df, .(ID, floor_date(Date, "month")), transform , length_x = length(ID)) test.df <- ddply(test.df, .(ID, floor_date(Date, "month")), transform , summary_Date=as.POSIXct(ifelse(length_x<5 , round_date(Date, "month") ,Date) , origin="1970-01-01 00:00.00" , tz="GMT")) head(test.df,5)[c(1,3:7)] # floor_date(Date, "month") ID Date Val length_x summary_Date # 1 1962-03-01 1 1962-03-01 12:00:00 -0.1711212 3 1962-03-01 # 2 1962-03-01 1 1962-03-14 12:00:00 -0.1531571 3 1962-03-01 # 3 1962-03-01 1 1962-03-27 12:00:00 0.1256238 3 1962-04-01 # 4 1962-04-01 1 1962-04-10 12:00:00 1.4481225 2 1962-04-01 # 5 1962-04-01 1 1962-04-24 12:00:00 -0.6508731 2 1962-05-01来启发Ricardo的答案。它也有效：

{{1}}

Answer 1

一步ddply解决方案（也发布为评论）

ddply(test.df, .(ID, floor_date(Date, "month")), mutate, 
  length_x = length(ID), 
  summary_Date=as.POSIXct(ifelse(length_x < 5, round_date(Date, "month") ,Date)
    , origin="1970-01-01 00:00.00", tz="GMT")
)

Answer 2

# transform to data.table
library(data.table)
test.dt <- data.table(test.df)

# calculate length of id by month-year. 
test.dt[, idlen := length(ID),  by=list(month(Date), year(Date)) ]

# calculate the summary date
test.dt[, summary_Date := ifelse(idlen<5, as.Date(round_date(Date, "month")), as.Date(Date))]

# If you would like to have it formatted add the following: 
test.dt[, summary_Date := as.Date(summary_Date, origin="1970-01-01")]

结果：

 > test.dt
    ID                Date         Val idlen summary_Date
 1:  1 1962-03-01 12:00:00  0.42646422     3   1962-03-01
 2:  1 1962-03-14 12:00:00 -0.29507148     3   1962-03-01
 3:  1 1962-03-27 12:00:00  0.89512566     3   1962-04-01   <~~~~~
 4:  1 1962-04-10 12:00:00  0.87813349     2   1962-04-01
 5:  1 1962-04-24 12:00:00  0.82158108     2   1962-05-01
 6:  1 1962-05-08 12:00:00  0.68864025     1   1962-05-01

UPDATE：

解释为什么需要两个步骤

无法一步完成的原因与您每组只获得一个值的事实有关。将该值分配给组的成员时，您将1个元素分配给多个。 R知道如何很好地处理这种情况：recycling单个元素。

但是，在这种具体情况下，您不想回收;相反，您不希望将1元素应用于many。因此，您需要唯一的组，这是我们在第二步中所做的。然后为该组的每个元素（行）分配其自己的特定值。

更新2：

@Ramnath提出了使用mutate的好建议。看一下?mutate，就会给出：

此函数与transform非常相似，但它迭代地执行转换... 以后的转换可以使用早期转换创建的列

这正是你想要做的！

在ddply中使用ifelse和transform

2 个答案:

结果：

UPDATE：

解释为什么需要两个步骤

更新2：