Question

我有一个数据框格式的数据集，如下所示：

wpt    ID   Fuel  Express   Local
 1     S36   12      0         1
 2     S36   14      1         0
 inter S36   NA      1         0
 inter S36   NA      1         0
 3     S36   16      1         0
 inter S36   NA      0         1
 4     S36   18      1         0
 5     S36   22      1         0
 6     W09   45      0         1
 inter W09   NA      1         0
 7     W09   48      0         1

我想处理子数据dat [c（2，inter，inter，3），]（任何部分用＆＃34; inter＆＃34;结合常规编号wpt ）作为一个单位。

（1）计算我的数据框中有多少个这样的子单元，在这种情况下它有两个（单元行，从2到3，以及3到4）

（2）然后计算从子单元的起始值到结束值 Express或Local值一致的单位数。在这种情况下，它有1个这样的单位一致（第2行，第3行，所有Express ）和1个单位不同（第3行到第4行，以Express开头和结尾，从这些单位的起始值或结束值开始，就是本地。

（3）所有计算均按身份证明。

预期的输出是这样的：

ID   consistent    total
S36      1            2
W09      0            1

（4）如果我想在Fuel列中插入缺失值怎么办？做简单的线性插值。就像前两个NAs被14.66667和15.33333所取代，它们来自：

seq(14, 16, length.out=3)

这样的预期结果：

wpt    ID   Fuel    Express   Local
 1     S36   12        0         1
 2     S36   14        1         0
 inter S36   14.66667  1         0
 inter S36   15.33333  1         0
 3     S36   16        1         0
 inter S36   17        0         1
 4     S36   18        1         0
 5     S36   22        1         0
 6     W09   45        0         1
 inter W09   45.75     1         0
 inter W09   46.50     1         0
 inter W09   47.25     1         0
 7     W09   48        0         1

提前致谢！

Answer 1

subs <- with(rle(df$wpt),{
    ends <- cumsum(lengths);
    n <- grepl('^[0-9]+$',values);
    w <- which(head(n,-2L) & values[-c(1L,length(n))]=='inter' & tail(n,-2L));
    data.frame(start=c(0L,ends)[w]+1L,end=ends[w+2L]);
});
subs$ID <- df$ID[subs$start];
subs$consistent <- mapply(function(s,e,eq) all(eq[s:e]),subs$start,subs$end-1L,MoreArgs=list(diff(df$Express)==0L));
subs;
##   start end  ID consistent
## 1     2   5 S36       TRUE
## 2     5   7 S36      FALSE
## 3     9  11 W09      FALSE
res <- aggregate(cbind(consistent,total=rep(1L,length(ID)))~ID,subs,sum);
res;
##    ID consistent total
## 1 S36          1     2
## 2 W09          0     1

数据

df <- data.frame(wpt=c('1','2','inter','inter','3','inter','4','5','6','inter','7'),ID=c( 'S36','S36','S36','S36','S36','S36','S36','S36','W09','W09','W09'),Fuel=c(12L,14L,NA,NA,16L, NA,18L,22L,45L,NA,48L),Express=c(0L,1L,1L,1L,1L,0L,1L,1L,0L,1L,0L),Local=c(1L,0L,0L,0L,0L,1L, 0L,0L,1L,0L,1L),stringsAsFactors=F);

Answer 2

如果我的意图是正确的，我对使用data.table和rle的案例（1）的建议是

library(data.table)
dt <- fread("
       wpt    ID   Fuel  Express   Local
        1     S36   12      0         1
        2     S36   14      1         0
        inter S36   NA      1         0
        inter S36   NA      1         0
        3     S36   16      1         0
        inter S36   NA      0         1
        4     S36   18      1         0
        5     S36   22      1         0
        6     W09   45      0         1
        inter W09   NA      1         0
        7     W09   48      0         1")
rdt <- dt[, rle(wpt), by = ID]
rdt[values == "inter" & lengths >= 1, .(total = .N), by = ID]

导致

    ID total
1: S36     2
2: W09     1

Answer 3

要计算模式，您可以使用rle。例如：

x <- rle(df$wpt == 'inter')
y <- which(x$values)
cumsum(x$lengths)[y - 1L] + 1L          # run starts
#[1]  3  6 10
x$lengths[y]                            # run lengths
#[1] 2 1 1
subunits <- lapply(y, function(i)
    seq(cumsum(x$lengths)[i - 1L], length.out=x$lengths[i] + 2L))

现在subunits是行索引列表

subunits
#[[1]]
#[1] 2 3 4 5
#
#[[2]]
#[1] 5 6 7
#
#[[3]]
#[1]  9 10 11

但要插入缺失值，这些都不是必需的，而是可以做

nas <- is.na(df$Fuel)
df$Fuel[nas] <- approx(seq(nrow(df)), df$Fuel, xout=which(nas))$y
df
#     wpt  ID     Fuel Express Local
#1      1 S36 12.00000       0     1
#2      2 S36 14.00000       1     0
#3  inter S36 14.66667       1     0
#4  inter S36 15.33333       1     0
#5      3 S36 16.00000       1     0
#6  inter S36 17.00000       0     1
#7      4 S36 18.00000       1     0
#8      5 S36 22.00000       1     0
#9      6 W09 45.00000       0     1
#10 inter W09 46.50000       1     0
#11     7 W09 48.00000       0     1

计算数据帧中的特定模式，在R中进行插值

3 个答案: