Question

我正在使用GPS跟踪数据集，我一直在玩基于速度和时间过滤数据集。我正在工作的物种在黄昏时变得不活跃，在此期间它停留在海洋的表面，但是一旦夜晚下降就恢复活动。对于数据集中的每只动物，我想在黄昏（21:30）最初变为非活动状态后删除所有数据点。但是因为每只动物在不同的时间变得不活跃，所以我不能简单地过滤出21:30之后发生的所有数据点。

我的数据看起来像这样......

AnimalID  Latitude  Longitude  Speed  Date  
99B       50.86190  -129.0875  5.6    2015-05-14 21:26:00 
99B       50.86170  -129.0875  0.6    2015-05-14 21:32:00
99B       50.86150  -129.0810  0.5    2015-05-14 21:33:00
99B       50.86140  -129.0800  0.3    2015-05-14 21:40:00
99C.......

基本上，我希望在21:30:00之后找到一组GPS位置（例如，最少5个），它们都具有<0.8的速度。然后，我希望在此点之后删除所有点（包括已识别的群集）。

有谁知道识别R中的点簇的方法？或者这种类型的过滤是否复杂？

Answer 1

使用data.table，您可以使用向前/向后滚动来查找动物ID下五个或前五个条目的最大值。然后，过滤掉任何不符合标准的内容。例如：

library(data.table)

set.seed(40)
DT <- data.table(Speed = runif(1:1000), AnimalID = rep(c("A","B"), each = 500))

DT[ , FSpeed := Reduce(pmax,shift(Speed,0:4, type = "lead", fill = 1)), by = .(AnimalID)] #0 + 4 forward
DT[ , BSpeed := Reduce(pmax,shift(Speed,0:4, type = "lag", fill = 1)), by = .(AnimalID)] #0 + 4 backwards

DT[FSpeed < 0.5 | BSpeed < 0.5] #min speed

          Speed AnimalID    FSpeed    BSpeed
 1: 0.220509197        A 0.4926640 0.8897597
 2: 0.225883211        A 0.4926640 0.8897597
 3: 0.264809801        A 0.4926640 0.6648507
 4: 0.184270587        A 0.4926640 0.6589303
 5: 0.492664002        A 0.4926640 0.4926640
 6: 0.472144689        A 0.4721447 0.4926640
 7: 0.254635219        A 0.7409803 0.4926640
 8: 0.281538568        A 0.7409803 0.4926640
 9: 0.304875597        A 0.7409803 0.4926640
10: 0.059605991        A 0.7409803 0.4721447
11: 0.132069268        A 0.2569604 0.9224052
12: 0.256960449        A 0.2569604 0.9224052
13: 0.005059727        A 0.8543111 0.2569604
14: 0.191478376        A 0.8543111 0.2569604
15: 0.170969244        A 0.4398143 0.7927442
16: 0.059577719        A 0.4398143 0.7927442
17: 0.439814267        A 0.4398143 0.7927442
18: 0.307714603        A 0.9912536 0.4398143
19: 0.075750773        A 0.9912536 0.4398143
20: 0.100589403        A 0.9912536 0.4398143
21: 0.032957748        A 0.4068012 0.7019594
22: 0.080091554        A 0.4068012 0.7019594
23: 0.406801193        A 0.9761119 0.4068012
24: 0.057445020        A 0.9761119 0.4068012
25: 0.308382143        A 0.4516870 0.9435490
26: 0.451686996        A 0.4516870 0.9248595
27: 0.221964923        A 0.4356419 0.9248595
28: 0.435641917        A 0.5363373 0.4516870
29: 0.237658906        A 0.5363373 0.4516870
30: 0.324597512        A 0.9710011 0.4356419
31: 0.357198893        B 0.4869905 0.9226573
32: 0.486990475        B 0.4869905 0.9226573
33: 0.115922994        B 0.4051843 0.9226573
34: 0.010581766        B 0.9338841 0.4869905
35: 0.003976893        B 0.9338841 0.4869905
36: 0.405184342        B 0.9338841 0.4051843
37: 0.412468699        B 0.4942280 0.9113595
38: 0.402063509        B 0.4942280 0.9113595
39: 0.494228013        B 0.8254665 0.4942280
40: 0.123264949        B 0.8254665 0.4942280
41: 0.251132449        B 0.4960371 0.9475821
42: 0.496037128        B 0.8845043 0.4960371
43: 0.250853014        B 0.3561290 0.9858652
44: 0.356129033        B 0.3603769 0.8429552
45: 0.225943145        B 0.7028077 0.3561290
46: 0.360376907        B 0.7159759 0.3603769
47: 0.169606203        B 0.3438164 0.9745535
48: 0.343816363        B 0.4396962 0.9745535
49: 0.067265545        B 0.9641856 0.3438164
50: 0.439696243        B 0.9641856 0.4396962
51: 0.024403516        B 0.3730828 0.9902976
52: 0.373082846        B 0.4713596 0.9902976
53: 0.290466668        B 0.9689225 0.3730828
54: 0.471359568        B 0.9689225 0.4713596
55: 0.402111615        B 0.4902595 0.8045104
56: 0.490259530        B 0.8801029 0.4902595
57: 0.477884140        B 0.4904800 0.6696598
58: 0.490480001        B 0.8396014 0.4904800
          Speed AnimalID    FSpeed    BSpeed

这显示了以下或前四个（+锚定单元格）都具有低于我们最低速度的最大速度的所有集群（在这种情况下为0.5）

在您的代码中，只需运行DT <- as.data.table(myDF)，其中myDF是您正在使用的data.frame的名称。

对于此分析，我们假设以恒定间隔测量GPS测量值。我也通过设置fill=1来抛出前4个和后4个观察结果。您应该将fill=设置为最高速度。

识别GPS跟踪数据中的低传输速度群集

1 个答案: