我对R很陌生并且不知道这个问题是否愚蠢,但我有以下问题:
我有两个数据框,都包含一个时间戳列(Posixct
)。我想按如下方式对数据进行子集化:
新的df3
应包含来自df1
的所有列,条件是值的出现" 21"在"州" df2
中的列。如果发生这种情况,df1
中状态21发生后2小时前至1小时df2
的所有观察都应在新df3
中。
这是我原始数据框的两个样本。
df2
:
timestamp PlantNo State
37 2016-03-14 08:53:25 1 2
38 2016-03-14 09:31:43 1 0
39 2016-03-14 09:34:43 1 0
40 2016-03-14 13:49:18 1 2
41 2016-03-14 14:17:42 1 0
42 2016-03-14 14:20:41 1 0
43 2016-03-17 01:54:07 1 2
44 2016-03-17 07:06:23 1 0
45 2016-03-17 07:09:23 1 0
46 2016-03-17 10:10:11 1 21
47 2016-03-17 10:46:29 1 2
df1
:
timestamp PlantNo Error avws maxws minws avrot maxrot minrot avpwr
1 2016-03-05 00:00:00 1 0 6.7 9.3 4.3 25.15 30.96 21.37 93
2 2016-03-05 00:10:00 1 0 7.9 11.1 5.5 29.05 34.26 22.89 145
3 2016-03-05 00:20:00 1 0 7.8 10.5 4.6 28.83 33.17 23.34 142
4 2016-03-05 00:30:00 1 0 7.8 10.4 5.3 28.91 33.94 24.09 142
5 2016-03-05 00:40:00 1 0 7.9 10.1 5.4 28.36 32.89 23.03 134
6 2016-03-05 00:50:00 1 0 7.8 9.2 5.4 27.83 31.41 22.48 126
7 2016-03-05 01:00:00 1 0 7.8 9.0 6.6 28.06 30.21 25.87 129
8 2016-03-05 01:10:00 1 0 7.2 9.0 4.7 24.91 29.23 9.92 91
9 2016-03-05 01:20:00 1 0 7.0 8.7 3.9 25.04 28.53 20.39 92
10 2016-03-05 01:30:00 1 0 7.2 9.1 3.7 26.04 30.39 20.75 103
11 2016-03-05 01:40:00 1 0 7.5 9.3 5.1 26.75 30.98 21.80 111
12 2016-03-05 01:50:01 1 0 7.5 8.7 4.9 26.94 28.96 22.46 114
13 2016-03-05 02:00:00 1 0 7.1 9.0 4.4 25.32 30.24 20.38 95
14 2016-03-05 02:10:00 1 0 7.5 9.0 5.0 26.47 29.35 22.85 108
15 2016-03-05 02:20:00 1 0 7.3 9.1 4.2 26.03 30.97 19.43 104
16 2016-03-05 02:30:00 1 0 6.7 10.1 3.9 24.66 30.98 20.06 88
17 2016-03-05 02:40:00 1 0 6.8 9.1 4.5 25.30 30.22 20.88 94
18 2016-03-05 02:50:00 1 0 7.2 10.1 4.2 25.95 31.17 20.74 103
19 2016-03-05 03:00:00 1 0 7.6 10.3 4.3 27.72 34.43 22.19 127
20 2016-03-05 03:10:00 1 0 8.7 12.2 5.3 31.42 35.69 25.32 189
我尝试了以下代码:
df3 <- subset(df1, df1$timestamp > df2$timestamp[df2$State==21]-7200 &
df1$timestamp < df2$timestamp[df2$State==21]+3600)
基本上这对我有用,因为正确的时间范围被选中并保存在df3
,但是:df1
的每四次观察只进入{{1} }。这就是我最终得到的结果:
df3
最左边的列是 timestamp PlantNo Error avws maxws minws avrot maxrot minrot avpwr
1781 2016-03-17 08:30:00 1 0 2.2 2.7 1.6 14.57 15.85 13.52 0
1785 2016-03-17 09:10:00 1 0 1.7 2.4 0.7 10.43 13.48 8.71 0
1789 2016-03-17 09:50:00 1 0 1.9 2.9 0.7 11.62 15.91 6.86 0
1793 2016-03-17 10:30:00 1 0 2.4 4.3 0.6 0.27 1.59 0.00 0
1797 2016-03-17 11:10:00 1 0 2.7 4.2 1.7 16.38 18.76 13.17 0
3006 2016-03-25 22:40:00 1 0 5.4 6.9 4.1 19.99 21.95 19.21 41
3010 2016-03-25 23:20:00 1 0 6.0 7.1 4.6 21.43 24.59 19.59 56
3014 2016-03-26 00:00:00 1 0 5.1 6.5 4.0 19.41 20.33 18.90 30
3018 2016-03-26 00:40:00 1 0 5.2 6.6 3.0 4.06 20.82 0.00 4
3022 2016-03-26 01:20:00 1 0 5.2 6.4 3.7 19.52 20.26 18.75 33
3583 2016-03-29 23:40:00 1 0 5.7 6.8 4.9 20.57 22.80 19.60 48
3587 2016-03-30 00:20:00 1 0 6.4 7.5 5.4 22.82 25.10 20.27 68
3591 2016-03-30 01:00:00 1 0 6.1 7.4 5.2 21.94 23.99 20.52 60
3595 2016-03-30 01:40:00 1 0 4.0 5.0 2.4 2.90 18.99 0.00 1
3599 2016-03-30 02:20:00 1 0 5.4 6.2 4.5 19.63 20.05 19.26 36
3812 2016-03-31 13:50:00 1 0 2.2 4.3 0.8 13.95 18.30 7.89 1
3816 2016-03-31 14:30:00 1 0 0.8 2.1 0.0 0.00 0.10 0.00 0
3820 2016-03-31 15:10:00 1 0 0.6 1.4 0.0 0.00 0.00 0.00 0
3824 2016-03-31 15:50:00 1 0 2.5 4.4 0.6 11.54 19.12 0.00 1
3828 2016-03-31 16:30:00 1 0 2.8 4.3 1.7 5.31 18.39 0.00 1
中观察的编号。
有人能告诉我我做错了什么吗?
答案 0 :(得分:1)
也许您的比较df1$timestamp>(df2$timestamp[df2$State==21]-7200)
正在回收。当df2$State==21
返回多个案例时就是这种情况。
请尝试以下操作,因为我们没有足够的数据,我不确定是否适合您。
inf=df2$timestamp[df2$State==21]-7200
sup=df2$timestamp[df2$State==21]+3600
trs=list()
for (i in 1:length(inf))trs[[i]]=df1$timestamp>inf[i] & df1$timestamp<sup[i]
selv=apply(t(do.call("rbind",trs)),1,any)
df31 <- subset(df1,selv)
答案 1 :(得分:0)
猜猜:也许你需要subset(df1, df1$timestamp > (df2$timestamp[df2$State==21]-7200) & df1$timestamp < (df2$timestamp[df2$State==21]+3600))
?
答案 2 :(得分:0)
我不确定我是否想要复杂,但在我看来,子集不应该那么容易。
我构建了两个data.frames的示例,其中两个随机时间戳位于相同的范围内。我使用了一个丑陋的嵌套for循环来检查df2
中的每个时间戳是否在state = 1
df1
的所有时间戳的+ - 1小时范围内。如果是,则state = 1
会添加到df2
。为了获得所需的结果,您可以轻松地对df2
进行分组。
set.seed(1)
t1 <- sort(as.POSIXct(sample(1:10000000, 1000) ,origin = "2010-01-01"))
state <- sample(0:1,10000, replace = TRUE, prob = c(0.90,0.05) )
df1 <- data.frame(t1, state)
t2 <- sort(as.POSIXct(sample(1:10000000, 1000) ,origin = "2010-01-01" ))
df2 <- data.frame(t2, ID = 1:length(t2))
df1_h <- df1[df1$state == 1, ]
df2$state <- NA
for (i in 1:nrow(df2)){
for(j in 1:nrow(df1_h)){
if(df2$t2[i] > df1_h$t1[j] - 3600 & df2$t2[i] < df1_h$t1[j] + 3600) df2$state[i] <- 1
}
}
df3 <- df2[df2$state == 1, ]