子集数据框会导致意外行为

时间:2016-06-17 10:33:10

标签: r

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?

3 个答案:

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, ]