Question

我希望有人可以帮助解决这个问题 - 我已经咀嚼了几个小时了！

我有一个名为＆＃39; journeys＆＃39;的数据框。如下所示，显示了客户ID，旅行日期，模式和旅程开始时间：

ID     |  Date     |   Mode  |  Time
------ | --------- | ------- | -----
1234   | 12/10/16  | Bus     |  120 
1234   | 12/10/16  | Bus     |  130
1234   | 12/10/16  | Bus     |  290
1234   | 12/10/16  | Train   |  310
1234   | 12/10/16  | Bus     |  330
4567   | 12/10/16  | Bus     |  220 
4567   | 12/10/16  | Tram    |  230
4567   | 13/10/16  | Bus     |  290
4567   | 13/10/16  | Bus     |  450
4567   | 14/10/16  | Train   |  1000

所以在12月10日，客户1234制作了4辆公共汽车jnys和1辆火车jny。

我在r中编写了一个基本循环来创建第5列，用于标识旅程阶段是否已链接，即第2次旅程与第1次旅程相关联，第3次旅程与第2次旅程相关联（其中1 =链接，0 =未链接），基于以下条件：

jnys是针对同一个人并在同一天举行

2次公共汽车旅行/ 2次电车jnys /公共汽车和有轨电车jny /电车和公共汽车jny彼此相距60分钟（因此公共汽车和火车之间的距离不会相隔60分钟）。代码如下：

df <- read.table("Journeys.txt", header=TRUE, sep=",")  

for (i in 2:dim(df)[1]) {

   if ((df$ID[i]==df$ID[i-1])

     & (df$Date[i]==df$Date[i-1])

   & ((df$Mode[i]=='Bus' & df$Mode[i-1]=='Bus')|  
      (df$Mode[i]=='Bus' & df$Mode[i-1]=='Tram')|
      (df$Mode[i]=='Tram' & df$Mode[i-1]=='Bus')|
      (df$Mode[i]=='Tram' & df$Mode[i-1]=='Tram'))

   & (df$Time[i]-df$Time[i-1]<60)) 

     {df$linked[i] <- 1}

      else {df$linked[i] <- 0}

这应该给我以下输出：

ID     |  Date     |   Mode  |  Time  | Linked
------ | --------- | ------- | -----  | -----
1234   | 12/10/16  | Bus     |  120   |  0
1234   | 12/10/16  | Bus     |  130   |  1
1234   | 12/10/16  | Bus     |  290   |  0
1234   | 12/10/16  | Train   |  310   |  0
1234   | 12/10/16  | Bus     |  330   |  0
4567   | 12/10/16  | Bus     |  220   |  0
4567   | 12/10/16  | Tram    |  230   |  1
4567   | 13/10/16  | Bus     |  290   |  0
4567   | 13/10/16  | Bus     |  450   |  0
4567   | 14/10/16  | Train   |  1000  |  0

但是，当我尝试运行时，我不断收到以下错误消息：

$＆lt; - 。data.frame（ tmp ，＆＃34;已链接＆＃34;，值= c（NA，1））出错：替换有2行，数据有52231

当我在大约150行的测试数据集上运行它时，我没有收到此错误消息。我知道它与链接列相关，但我不完全了解如何解决它。

Answer 1

我使用与您相同的数据，它正在使用您的代码（复制粘贴它），但第一行。你需要初始化它。 df<- read.csv("train.csv", sep=",") df$linked <- 0 for (i in 2:dim(df)[1]) { if (df$ID[i]==df$ID[i-1]) { #cat(i) if (df$Date[i]==df$Date[i-1]){ #cat(i) if (df$Time[i]-df$Time[i-1]<60) { #cat(i) if (df$Mode[i]=="Bus" & df$Mode[i-1] %in% c("Bus", "Tram")) { #cat(i) df$linked[i] <- 1 } else { if (df$Mode[i]=="Tram" & df$Mode[i-1] %in% c("Bus", "Tram")) { df$linked[i] <- 1 #cat(i) } } } } } } ID Date Mode Time linked 1 1234 12/10/2016 Bus 120 0 2 1234 12/10/2016 Bus 130 1 3 1234 12/10/2016 Bus 290 0 4 1234 12/10/2016 Train 310 0 5 1234 12/10/2016 Bus 330 0 6 4567 12/10/2016 Bus 220 0 7 4567 12/10/2016 Tram 230 1 8 4567 13/10/2016 Bus 290 0 9 4567 13/10/2016 Bus 450 0 10 4567 14/10/2016 Train 1000 0

这里更好地使用if和条件（读取速度更快，R处理速度更快）。我还添加了注释（cat（i）），如果你取消注释它，看看循环中发生了什么是有帮助的。

最后一件事，我认为你期待第8排的0而不是1，因为这不是同一天......

{{1}}

数据框出错，替换有xx，数据有xx

1 个答案: