使用汇总（dplyr）的结果来改变原始数据帧

时间：2014-08-12 14:06:51

标签： r dplyr posixct lubridate

我有一个相当大的数据框，其中包含一列POSIXct日期时间（每小时数据约为10年）。我会在夏令时期间标记当天所有的行。例如，如果夏令时开始于＆＃39; 2000-04-02 03：00：00＆＃39; （DOY = 93）我希望DOY = 93的前两个小时可以被标记。 虽然我是dplyr的新手，但我会尽可能地使用这个包，并尽可能避免 for-loops

例如：

library(lubridate)
sd = ymd('2000-01-01',tz="America/Denver")
ed = ymd('2005-12-31',tz="America/Denver")
span = data.frame(date=seq(from=sd,to=ed, by="hour"))
span$YEAR = year(span$date)
span$DOY = yday(span$date)
span$DLS = dst(span$date)

要查找应用夏令时的一年中的不同日期，请使用dplyr 

library(dplyr)
limits = span %.% group_by(YEAR) %.% summarise(minDOY=min(DOY[DLS]),maxDOY=max(DOY[DLS]))

这给了

      YEAR minDOY maxDOY
    1 2000     93    303
    2 2001     91    301
    3 2002     97    300
    4 2003     96    299
    5 2004     95    305
    6 2005     93    303

现在我会管道＆＃39;上面的结果是 span 数据帧，而没有使用低效的 for-loop 。

解决方案1 ​​

在@aosmith的帮助下，只需两个命令即可解决问题（并避免使用＆＃39;解决方案2＆＃39;中的inner_join）：

 limits = span %>% group_by(YEAR) %>% mutate(minDOY=min(DOY[DLS]),maxDOY=max(DOY[DLS]),CHECK=FALSE)

 limits$CHECK[(limits2$DOY >= limits$minDOY) & (limits$DOY <= limits$maxDOY) ] = TRUE

解决方案2

在@beetroot和@ matthew-plourde的帮助下，问题已经解决： 缺少内部联接：

limits = span %>% group_by(YEAR) %>% summarise(minDOY=min(DOY[DLS]),maxDOY=max(DOY[DLS])) %>% inner_join(span, by='YEAR')

然后我添加了一个新列（CHECK）来填充Daylight-savings days的正确值

limits$CHECK = FALSE
limits$CHECK[(limits$DOY >= limits$minDOY) & (limits$DOY <= limits$maxDOY) ] = TRUE

3 个答案:

答案 0 :(得分：8)

正如@beetroot在评论中指出的那样，您可以通过加入来实现这一目标：

limits = span %>% 
   group_by(YEAR) %>% 
   summarise(minDOY=min(DOY[DLS]),maxDOY=max(DOY[DLS])) %>%
   inner_join(span, by='YEAR')
#    YEAR minDOY maxDOY                date DOY   DLS
# 1  2000     93    303 2000-01-01 00:00:00   1 FALSE
# 2  2000     93    303 2000-01-01 01:00:00   1 FALSE
# 3  2000     93    303 2000-01-01 02:00:00   1 FALSE
# 4  2000     93    303 2000-01-01 03:00:00   1 FALSE
# 5  2000     93    303 2000-01-01 04:00:00   1 FALSE
# 6  2000     93    303 2000-01-01 05:00:00   1 FALSE
# 7  2000     93    303 2000-01-01 06:00:00   1 FALSE
# 8  2000     93    303 2000-01-01 07:00:00   1 FALSE
# 9  2000     93    303 2000-01-01 08:00:00   1 FALSE
# 10 2000     93    303 2000-01-01 09:00:00   1 FALSE

答案 1 :(得分：2)

dplyr是一个很棒的工具，但在这种情况下，我不确定它是最适合这份工作的。这完成了你的任务：

span$CHECK <- ave(dst(span$date), as.Date(span$date, tz = tz(span$date)), FUN = any)

我认为ave对于这个函数来说是一个糟糕的名字，但是如果你能记住它存在，那么当你想要将摘要加入到它来自的data.frame时，它通常非常有用。

答案 2 :(得分：1)

按照@aosmith的建议，完成工作的最佳解决方案是。 

limits = span %>% group_by(YEAR) %>% mutate(minDOY=min(DOY[DLS]),maxDOY=max(DOY[DLS]),CHECK=FALSE)

limits$CHECK[(limits2$DOY >= limits$minDOY) & (limits$DOY <= limits$maxDOY) ] = TRUE

使用ave功能是一个不错的选择，但我个人更喜欢坚持使用'dplyr'包。

相关问题
最新问题