使用 summarise (dplyr) 的结果来改变原始数据帧答案

【问题标题】：Using the result of summarise (dplyr) to mutate the original dataframe使用 summarise (dplyr) 的结果来改变原始数据帧
【发布时间】：2014-10-05 15:33:21
【问题描述】：

我有一个相当大的数据框，其中有一列 POSIXct 日期时间（约 10 年的每小时数据）。我会标记当天属于夏令时的所有行。例如，如果夏令时从 '2000-04-02 03:00:00' (DOY=93) 开始，我希望可以标记 DOY=93 的前两个小时。虽然我是 dplyr 的新手，但我会尽可能地使用这个包并尽可能地避免 for-loops

例如：

library(lubridate)
sd = ymd('2000-01-01',tz="America/Denver")
ed = ymd('2005-12-31',tz="America/Denver")
span = data.frame(date=seq(from=sd,to=ed, by="hour"))
span$YEAR = year(span$date)
span$DOY = yday(span$date)
span$DLS = dst(span$date)

要查找应用夏令时的一年中的不同日子，我使用 dplyr

library(dplyr)
limits = span %.% group_by(YEAR) %.% summarise(minDOY=min(DOY[DLS]),maxDOY=max(DOY[DLS]))

这给了

      YEAR minDOY maxDOY
    1 2000     93    303
    2 2001     91    301
    3 2002     97    300
    4 2003     96    299
    5 2004     95    305
    6 2005     93    303

现在我将在 span 数据帧中“管道”上述结果，而不使用效率低下的 for-loop。

解决方案 1

在@aosmith 的帮助下，只需两个命令即可解决问题（并避免使用“解决方案 2”中的 inner_join）：

 limits = span %>% group_by(YEAR) %>% mutate(minDOY=min(DOY[DLS]),maxDOY=max(DOY[DLS]),CHECK=FALSE)

 limits$CHECK[(limits2$DOY >= limits$minDOY) & (limits$DOY <= limits$maxDOY) ] = TRUE

解决方案 2

在@beetroot 和@matthew-plourde 的帮助下，问题已经解决了：缺少一个内部连接：

limits = span %>% group_by(YEAR) %>% summarise(minDOY=min(DOY[DLS]),maxDOY=max(DOY[DLS])) %>% inner_join(span, by='YEAR')

然后我添加了一个新列 (CHECK) 来填充夏令时的正确值

limits$CHECK = FALSE
limits$CHECK[(limits$DOY >= limits$minDOY) & (limits$DOY <= limits$maxDOY) ] = TRUE

【问题讨论】：

所以你想在 span 中有两个新列，minDOY 和 maxDOY 并且它们的值在每一行和各自的年份重复？这可能可以用 left_join 完成，但如果没有示例数据就无法测试。
感谢@beetroot 的提示。我现在就试试！对于示例数据...上面的代码对您不起作用？
啊，我只是没有安装 lubridate，现在我懒得这样做了；）
没问题，甜菜根！在您的帮助和 matthew-plourde 的帮助下，一切都已解决。多亏了 oropendola，现在我有了一个新工具。见上面的代码。
向现有数据集添加新列似乎是 mutate 的工作，而不是 summarise 加入的工作。

标签： r dplyr posixct lubridate

【解决方案1】：

按照@aosmith 的建议，完成工作的最佳解决方案是。

limits = span %>% group_by(YEAR) %>% mutate(minDOY=min(DOY[DLS]),maxDOY=max(DOY[DLS]),CHECK=FALSE)

limits$CHECK[(limits2$DOY >= limits$minDOY) & (limits$DOY <= limits$maxDOY) ] = TRUE

使用 ave 函数是一个不错的选择，但我个人更喜欢坚持使用 'dplyr' 包。

【讨论】：

【解决方案2】：

dplyr 是一个很棒的工具，但在这种情况下，我不确定它是否最适合这项工作。这样就完成了你的任务：

span$CHECK <- ave(dst(span$date), as.Date(span$date, tz = tz(span$date)), FUN = any)

我认为ave 是这个函数的一个糟糕的名称，但如果你记得它存在，当你想将摘要加入到它来自的 data.frame 时，它通常非常有用。

【讨论】：

嗯...像往常一样，在 R 中总是有学习新功能和新技巧的空间。我以前从未使用过 ave 功能。我马上试试！
这与 OP 中的CHECK 给出的结果不同。您需要同时按YEAR 和DOY 进行分组。我喜欢你对any 的使用，这使得CHECK 的创建如此简单。我认为 dplyr 等价物是 span %>% group_by(YEAR, DOY) %>% mutate(CHECK = any(DLS))
感谢@aosmith，这是一个错误。我解决了这个问题并使它可以仅使用span$date 在一行中计算CHECK。

【解决方案3】：

正如@beetroot 在 cmets 中指出的那样，您可以通过连接来完成此操作：

limits = span %>% 
   group_by(YEAR) %>% 
   summarise(minDOY=min(DOY[DLS]),maxDOY=max(DOY[DLS])) %>%
   inner_join(span, by='YEAR')
#    YEAR minDOY maxDOY                date DOY   DLS
# 1  2000     93    303 2000-01-01 00:00:00   1 FALSE
# 2  2000     93    303 2000-01-01 01:00:00   1 FALSE
# 3  2000     93    303 2000-01-01 02:00:00   1 FALSE
# 4  2000     93    303 2000-01-01 03:00:00   1 FALSE
# 5  2000     93    303 2000-01-01 04:00:00   1 FALSE
# 6  2000     93    303 2000-01-01 05:00:00   1 FALSE
# 7  2000     93    303 2000-01-01 06:00:00   1 FALSE
# 8  2000     93    303 2000-01-01 07:00:00   1 FALSE
# 9  2000     93    303 2000-01-01 08:00:00   1 FALSE
# 10 2000     93    303 2000-01-01 09:00:00   1 FALSE

【讨论】：

加入是完成我的任务的中间步骤。