代码之家 › 专栏 › 技术社区 › Ricky

如何根据条件加入和标记

dplyr datatable r

2

Ricky · 技术社区 · 8 年前

我有一个数据框,每个id有24小时,如下所示:

library(data.table)


DT=data.table(id=c(rep(1,24),rep(2,24),rep(3,24)),
             hour=c(rep(0:23,3)),
             val=c(rep(c(18,36,27,18,36,39,99,99,72,81,54,72,18,9,36,27,18,90,36,27,18,45,54,63),3)))

然后我还有一个数据表,其中包含每个id的高峰开始和结束时间,如下所示:

c=data.table(id=c(1,2,3),start=c(3,6,9),end=c(9,12,4))

我必须在数据表a中附加一列作为rush,然后标记它是否在每个id的高峰时间范围内。与id 1一样,高峰时间为3到9(3,4,5,6,7,8,9),因此DT中这些行的所有记录都应标记为列rush=1,rest记录的rush=0。

我试过这样

setkey(c, start, end)
DT[,hour_replica:=hour]
result <- foverlaps(DT, c, by.x=c('hour','hour_replica'), 
                    by.y=c('start', 'end'))

但它抛出了一个错误

“开始”列中的所有条目都应为<=数据列中的相应条目结束。桌子

非常感谢您的帮助。

4 回复 | 直到 8 年前

1

2

MKR 8 年前

一种简单的方法可以是:

DT[c, rush := as.numeric(start <= hour & end >= hour), on="id"]

DT
#     id hour val rush
# 1:  1    0  18    0
# 2:  1    1  36    0
# 3:  1    2  27    0
# 4:  1    3  18    1
# 5:  1    4  36    1
# 6:  1    5  39    1
# 7:  1    6  99    1
#.......so on

2

Melissa Key 8 年前

使用 tidyverse -我没有使用这些数据。桌上的包裹,所以我带着我知道的东西去了。您可能需要切换 data.table 格式设置为 data.frame 或 data_frame -两个都可以,我只是不知道 数据桌子 总体安排

我还更改了rush数据的名称-使用名称 c 这真是一个糟糕的主意-它可能会打乱对 c 作用

DT=data_frame(
  id=c(rep(1,24),rep(2,24),rep(3,24)),
  hour=c(rep(0:23,3)), val=c(rep(c(18,36,27,18,36,39,99,99,72,81,54,72,18,9,36,27,18,90,36,27,18,45,54,63),3)))

rush=data_frame(id=c(1,2,3),start=c(3,6,9),end=c(9,12,4))

library(dplyr)

DT %>% left_join(rush) %>%
  mutate(rush = hour >= start & hour <= end) %>%
  select(-(start:end))

3

1

Tung 8 年前

使用来自的非等联接 data.table

library(data.table)
DT=data.table(id=c(rep(1,24),rep(2,24),rep(3,24)),
             hour=c(rep(0:23,3)),
             val=c(rep(c(18,36,27,18,36,39,99,99,72,81,54,72,18,9,36,27,18,90,36,27,18,45,54,63),3)))

c=data.table(id=c(1,2,3),start=c(3,6,9),end=c(9,12,4))

# join condition & create rush = 1 where they match
DT[c, on = .(id, hour >= start, hour <= end), c("rush") := 1]

# replace NA (no match) with 0
DT[is.na(rush), rush := 0]
DT

#>     id hour val rush
#>  1:  1    0  18    0
#>  2:  1    1  36    0
#>  3:  1    2  27    0
#>  4:  1    3  18    1
#>  5:  1    4  36    1
#>  6:  1    5  39    1
#>  7:  1    6  99    1
#>  8:  1    7  99    1
#>  9:  1    8  72    1
#> 10:  1    9  81    1
#> 11:  1   10  54    0
#> 12:  1   11  72    0
#> 13:  1   12  18    0
#> 14:  1   13   9    0
#> 15:  1   14  36    0
#> 16:  1   15  27    0
#> 17:  1   16  18    0
#> 18:  1   17  90    0
#> 19:  1   18  36    0
#> 20:  1   19  27    0
#> 21:  1   20  18    0
#> 22:  1   21  45    0
#> 23:  1   22  54    0
#> 24:  1   23  63    0
#> 25:  2    0  18    0
#> 26:  2    1  36    0
#> 27:  2    2  27    0
#> 28:  2    3  18    0
#> 29:  2    4  36    0
#> 30:  2    5  39    0
#> 31:  2    6  99    1
#> 32:  2    7  99    1
#> 33:  2    8  72    1
#> 34:  2    9  81    1
#> 35:  2   10  54    1
#> 36:  2   11  72    1
#> 37:  2   12  18    1
#> 38:  2   13   9    0
#> 39:  2   14  36    0
#> 40:  2   15  27    0
#> 41:  2   16  18    0
#> 42:  2   17  90    0
#> 43:  2   18  36    0
#> 44:  2   19  27    0
#> 45:  2   20  18    0
#> 46:  2   21  45    0
#> 47:  2   22  54    0
#> 48:  2   23  63    0
#> 49:  3    0  18    0
#> 50:  3    1  36    0
#> 51:  3    2  27    0
#> 52:  3    3  18    0
#> 53:  3    4  36    0
#> 54:  3    5  39    0
#> 55:  3    6  99    0
#> 56:  3    7  99    0
#> 57:  3    8  72    0
#> 58:  3    9  81    0
#> 59:  3   10  54    0
#> 60:  3   11  72    0
#> 61:  3   12  18    0
#> 62:  3   13   9    0
#> 63:  3   14  36    0
#> 64:  3   15  27    0
#> 65:  3   16  18    0
#> 66:  3   17  90    0
#> 67:  3   18  36    0
#> 68:  3   19  27    0
#> 69:  3   20  18    0
#> 70:  3   21  45    0
#> 71:  3   22  54    0
#> 72:  3   23  63    0
#>     id hour val rush

创建日期:2018年4月1日 reprex package (v0.2.0)。

4

1

SunLisa 8 年前

c[DT, on = 'id'][, .(rush = as.numeric((hour >= start &
                                          hour <= end))), by = .(id, hour, val)]

一个衬里

使用c,右键连接id上的DT,

然后,根据小时/开始/结束,进行高峰=1/0,

按[id]、[小时]和[瓦尔]计算,因此包括这3列)

但我有个问题,

对于id为3的组,从9开始,到4结束,根据规则将导致0次冲刺 (小时>=开始&小时<=结束)。

我想你想要c(9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,0,1,2,3,4)都算作“快跑”。

与小时不同>=启动(&A);小时(<)=终止

如果id=3

现在是小时>=开始|小时<=终止

如果这就是你想要的,添加if-else子句可以解决这个问题

 c[DT, on = 'id'][, .(rush = 
                       if (start < end) {
  as.numeric((hour >= start & hour <= end))
} else{
  as.numeric((hour >= start | hour <= end))
}), by = .(id, hour, val)]

希望这有帮助