Question

我有多个大型数据框，可以捕获持续一定时间的事件。此示例提供了我的数据集的简化版本

数据框1：

 ID  Days  Date  Value
  1    10    80     30
  1    10    85     30
  2    20    75     20
  2    10    80     20
  3     5    90     30

数据框2：

   ID  Days  Date  Value
    1    20     0     30
    1    10     3     20
    2    20     5     30
    3    20     1     10
    3    10    10     10

所有数据集中的同一个人使用相同的ID
Days指定事件的长度（如果Days的值为10，则事件持续10天）
Date指定事件开始的日期。在这种情况下，Date可以是介于0到90或91之间的任何数字（数据代表季度中的天数）
Value是针对指定的Days重复的属性。例如，对于df1中的第一行，值30从第80天开始重复10次（30次重复10天）

我感兴趣的是为每个数据框中的每个ID提供每天最高价值。请记住，多个事件可以重叠，然后必须将值相加。

最终数据框应如下所示：

ID HighestValuedf1    HighestValuedf2
1               60                 80
2               40                 30
3               30                 20

例如，对于ID 1，三个事件重叠并在数据帧2中产生最高值80.在ID 3的df1和df1事件之间没有重叠，只有与df2重叠。

由于文件的大小，我更倾向于避免将所有数据帧合并到一个数据框中。

修改我重新安排了我的数据，以便重叠的所有事件都在一个数据框中。我只需要每个数据帧的最高重叠值。

重现数据帧的代码：

ID = c(1,1,2,2,3)
Date = c(80,85,75,80,90)
Days = c(10,10,20,10,5)
Value = c(30,30,20,20,30)
df1 = data.frame(ID,Days, Date,Value)

ID = c(1,1,2,3,3)
Date = c(1,3,5,1,10)
Days = c(20,10,20,20,10 )
Value =c(30,20,30,10,10)
df2 = data.frame(ID,Days, Date,Value)

ID= c(1,2,3)
HighestValuedf1 = c(60,40,30)
HighestValuedf2 = c(80,30,20)
df3 = data.frame(ID, HighestValuedf1, HighestValuedf2)

Answer 1

我将每天最高价值解释为整个时间段内单日最高价值。这可能不是最有效的解决方案，因为我希望可以使用map或apply函数完成某些操作，但我没看到第一眼看到的情况。使用上面定义的df1和df2：

编辑：在理解df1和df2应该代表连续季度时修改代码。我认为最简单的方法是简单地堆叠数据帧，这样任何重叠的东西都会自动被捕获（即df2的第1天是整个第91天）。您可能需要手动调整此代码，因为季度的长度不同，或者最好只是将季度的天数转换为具有日期格式的年份的实际日期（例如，df1第1天变为2017年1月1日）。下面的代码只是重新排列以实现这一点，然后通过过滤天数1:90,91：180生成每个季度所需的结果，如图所示）

ID = c(1,1,2,2,3)
Date = c(80,85,75,80,90)
Days = c(10,10,20,10,5)
Value = c(30,30,20,20,30)
df1 = data.frame(ID,Days, Date,Value)

ID = c(1,1,2,3,3)
Date = c(1,3,5,1,10)
Days = c(20,10,20,20,10 )
Value =c(30,20,30,10,10)
df2 = data.frame(ID,Days, Date,Value)



library(tidyverse)
#> -- Attaching packages --------------------------------------------------------------------- tidyverse 1.2.1 --
#> v ggplot2 2.2.1.9000     v purrr   0.2.4     
#> v tibble  1.4.2          v dplyr   0.7.4     
#> v tidyr   0.7.2          v stringr 1.2.0     
#> v readr   1.1.1          v forcats 0.2.0
#> -- Conflicts ------------------------------------------------------------------------ tidyverse_conflicts() --
#> x dplyr::filter() masks stats::filter()
#> x dplyr::lag()    masks stats::lag()
df2 <- df2 %>%
  mutate(Date = Date + 90)

# Make a dataframe with complete set of day-ID combinations
df_completed <- df1 %>%
  mutate(day = factor(Date, levels = 1:180)) %>% # set to total day length
  complete(ID, day) %>%
  mutate(daysum = 0) %>%
  select(ID, day, daysum)

# Function to apply to each data frame containing events
# Should take each event and add value to the appropriate days
sum_df_daily <- function(df_complete, df){
  for (i in 1:nrow(df)){
    event_days <- seq(df[i, "Date"], df[i, "Date"] + df[i, "Days"] - 1)
    df_complete <- df_complete %>%
      mutate(
        to_add = case_when(
          ID == df[i, "ID"] & day %in% event_days    ~ df[i, "Value"],
          !(ID == df[i, "ID"] & day %in% event_days) ~ 0
        ),
        daysum = daysum + to_add
      )
  }
  return(df_complete)
}

df_filled <- df_completed %>%
  sum_df_daily(df1) %>%
  sum_df_daily(df2) %>%
  mutate(
    quarter = case_when(
      day %in% 1:90 ~ "q1",
      day %in% 91:180 ~ "q2"
    )
  )

df_filled %>%
  group_by(quarter, ID) %>%
  summarise(maxsum = max(daysum))
#> # A tibble: 6 x 3
#> # Groups:   quarter [?]
#>   quarter    ID maxsum
#>   <chr>   <dbl>  <dbl>
#> 1 q1       1.00   60.0
#> 2 q1       2.00   40.0
#> 3 q1       3.00   30.0
#> 4 q2       1.00   80.0
#> 5 q2       2.00   30.0
#> 6 q2       3.00   40.0

计算特定范围内多个重叠事件的最大值

1 个答案: