将数据集重新编码为另一个

时间:2016-08-09 00:58:37

标签: r recode

请参阅下面的国家/地区简化数据集:

country <- c("CountryA", "CountryA", "CountryA", "CountryA",
"CountryB", "CountryB", "CountryB", "CountryB",
"CountryC", "CountryC", "CountryC", "CountryC")

year <- c(2001, 2002, 2003, 2004,
2001, 2002, 2003, 2004,
2001, 2002, 2003, 2004)

v1 <- c(2, 3, 5, 4, 3, 3, 1, 2, 1, 4, 3, 2)

df1 <- data.frame(country, year, v1)

df1

 country   year   v1 
CountryA   2001    2
CountryA   2002    3
CountryA   2003    5
CountryA   2004    4
CountryB   2001    3
CountryB   2002    3
CountryB   2003    1
CountryB   2004    2
CountryC   2001    1
CountryC   2002    4
CountryC   2003    3
CountryC   2004    2

我的问题是:

如何编写一个代码,用于创建上述数据集的基于事件的子集,如下所示:

cntry <- c("CountryA", "CountryB", "CountryC")
stYear <- c(2001, 2002, 2003)
endYear <- c(2003, 2004, 2003)
v1Max <- c(5, 3, 3)
v1Ave <- c(3.33, 2, 3)

df2 <- data.frame(cntry, year, v1)

df2

   cntry   stYear   endYear   v1Max   v1Ave
CountryA     2001      2003       5    3.33
CountryB     2002      2004       3       2   
CountryC     2003      2003       3       3

换句话说,我需要将每个事件分别编码为一个新的数据框。 (例如,上面df2中的第一行是 2001年至2003年CountryA中的事件。)在执行此操作时,我还需要在相应的时间范围内重新编码值。 (例如,df2中的v1Max是事件持续时间内v1在df1中的最大值。同样,df2中的v1Ave是平均值。)

如果您可以为我提供执行上述从df1到df2的转换的代码,我可以对其进行增强以解决我的问题。

谢谢!

1 个答案:

答案 0 :(得分:0)

您的标题意味着某种数据清理或子集化,但您在此处的内容是聚合或摘要。要使用提供的数据执行此操作,dplyr是一个很好的选择:

library(dplyr)
df2 <- group_by(df1, country) %>% 
       summarize(start = min(year), end = max(year), v1Max = max(v1), v1Avg = mean(v1))

# A tibble: 3 x 5
#   country start   end v1Max v1Avg
#    <fctr> <dbl> <dbl> <dbl> <dbl>
#1 CountryA  2001  2004     5  3.50
#2 CountryB  2001  2004     3  2.25
#3 CountryC  2001  2004     4  2.50