For 循环 - 从日期列中选择时间窗口

Question

我需要调整一个代码，该代码与我的数据框完美配合（但使用另一个设置），以便从 Day 列中选择 2 天的时间窗口。特别是我对前 1 天 day0 感兴趣（即 i - 1 和 i，其中 i 是感兴趣的日期），并且必须将包含在 Count 列中的 (i - 1) 值添加到第 0 天（i ) 列数。

这是我的数据框的示例：

df <- read.table(text = "
        Station   Day           Count
    1    33012  12448               4
    2    35004  12448               4
    3    35008  12448               4
    4    37006  12448               4
    5    21009   4835               3
    6    24005   4835               3
    7    27001   4835               3
    8    25005  12447               3
    9    29001  12447               3
    10   29002  12447               3
    11   29002  12446               3
    12   30001  12446               3
    13   31002  12446               3
    14   47007   4834               2
    15   49002   4834               2
    16   47004  12445               1
    17   51001  12449               1
    18   51003   4832               1
    19   52004   4836               1", header = TRUE)

我的输出应该是：

           Station    Day           Count
        1    33012  12448               7
        2    35004  12448               7
        3    35008  12448               7
        4    37006  12448               7
        5    21009   4835               5
        6    24005   4835               5
        7    27001   4835               5
        8    29002  12446               4
        9    30001  12446               4
        10   31002  12446               4
        11   51001  12449               1
        12   51003   4832               1
        13   52004   4836               1
        14   25005  12447               0
        15   29001  12447               0
        16   29002  12447               0
        17   47007   4834               0
        18   49002   4834               0
        19   47004  12445               0

我正在尝试这段代码，但它不适用于我的真实数据框：

for (i in unique(df$Day)) {
    temp <- df$Count[df$Day == i]  
    if(length(temp > 0)) {  
    condition1 <- df$Day == i - 1   
    if (any(condition1)) {
       df$Count[df$Day == i] <- mean(df$Count[condition1]) + df$Count[df$Day == i]
       df$Count[condition1] <- 0
            }
         }
}

代码看起来正确且有意义，但我的输出不正确。

谁能帮帮我？

---

@aichao 代码运行良好。

如果我想考虑前 30 天（即第 30 天、第 29 天、第 28 天、....、第 1 天、第 0 天），是否有任何快速的方法来代替创建 30 个 if 语句（条件）？

再次感谢@aichao 的帮助。

Answer 1

以下对您提供的示例数据执行您想要的操作

for (i in unique(df$Day)) {
  temp <- df$Count[df$Day == i]
  if (any(temp > 0)) {
    condition1 <- df$Day == i - 1
    condition1[which(df$Day == i - 1) < max(which(df$Day == i))] <- FALSE
    if (any(condition1)) {
      df$Count[df$Day == i] <- mean(df$Count[condition1]) + df$Count[df$Day == i]
      df$Count[condition1] <- 0
    }
  }
}
print(df[order(df$Count, decreasing = TRUE),])
##   Station   Day Count
##1    33012 12448     7
##2    35004 12448     7
##3    35008 12448     7
##4    37006 12448     7
##5    21009  4835     5
##6    24005  4835     5
##7    27001  4835     5
##11   29002 12446     4
##12   30001 12446     4
##13   31002 12446     4
##17   51001 12449     1
##18   51003  4832     1
##19   52004  4836     1
##8    25005 12447     0
##9    29001 12447     0
##10   29002 12447     0
##14   47007  4834     0
##15   49002  4834     0
##16   47004 12445     0

从您的评论中可以看出，您的实施中缺少的一个关键要求是，在确定前一天及其计数时，仅考虑数据框下方的天数（以行为单位）。也就是说，您正在处理数据框行，就好像它们按时间排序一样，而不是将Day 列中的值视为时间排序。因此，对于df$Day = 12449，没有前一天需要考虑，因为所有带有df$Day = 12448 的行都在它之前。因此，df$Day = 12449 的 Count 仍为 1，更重要的是，所有具有 df$Day = 12448 的行的 Counts 在处理 df$Day = 12449 后不会被清零。

为了实现这一点，我们需要进一步过滤condition1，以便我们将df$Day == i - 1（前一天）在df$Day == i（感兴趣的日期）使用的最高行之前的所有行设置为FALSE线

condition1[which(df$Day == i - 1) < max(which(df$Day == i))] <- FALSE

请注意，此解决方案假定数据框中 Day 列的相同值与示例数据中的行块一样集中在一起。否则，您的 for 循环 unique(df$Day) 需要完全重新考虑并替换为行上的循环，以便跟踪数据框中感兴趣日期的当前行。

此外，您的代码中存在一个小错误

if(length(temp > 0)) {

目的是检查是否有任何行的Count 大于0 在感兴趣的日子。但是，R 中的条件运算符是矢量化的，因此temp > 0 返回一个与输入temp 长度相同的布尔向量。因此，length(temp > 0) 将始终返回一个正数，除非temp 本身的长度为0（即为空）。为了得到你想要的，该行更改为

if(any(temp > 0)) {

更新：关于前几天的新要求

解决新要求的最简单方法是将if (any(temp > 0)) {...} 块中的代码主体放入一个函数中，将其命名为accumulate.mean.count，然后使用sapply 将此函数应用于前几天的集合。修改如下：

accumulate.mean.count <- function(this.day, lag) {
  condition1 <- df$Day == this.day - lag
  condition1[which(df$Day == this.day - lag) < max(which(df$Day == this.day))] <- FALSE
  if (any(condition1)) {
    df$Count[df$Day == this.day] <<- mean(df$Count[condition1]) + df$Count[df$Day == this.day]
    df$Count[condition1] <<- 0
  }
}

lags <- seq_len(30)

for (i in unique(df$Day)) {
  temp <- df$Count[df$Day == i]
  if (any(temp > 0)) {
    sapply(lags, accumulate.mean.count, this.day=i)
  }
}

print(df[order(df$Count, decreasing = TRUE),])

注意事项：

1. lag 是当天之前（即滞后）的天数。 lag = 1 表示前一天，lag = 2 表示前两天，以此类推。lags 是这些的集合。这里，lags <- seq_len(30) 是从1 到30 的序列，在其上应用accumulate.mean.count，这就是你想要的。请参阅 this 以了解有关 *apply 系列 R 函数的出色概述。请注意，lags 不必是序列，而只是整数的集合，例如前一天、前 5 天和前 10 天的 c(1, 5, 10)。如果您想在未来几天滚动，它甚至不必为正数，但不应为零。

2. 由于lexical scoping rule of R，设置df$Count，这是accumulate.mean.count范围之外的变量，在函数accumulate.mean.count内需要<<-而不是<-。请参阅this 以获得解释，并注意其中提到的使用<<- 的危险。

我没有足够的数据来测试lags <- seq_len(30)，但是对于seq_len(1)，我恢复了原始结果，对于seq_len(2)，我得到了

##   Station   Day Count
##1    33012 12448    10
##2    35004 12448    10
##3    35008 12448    10
##4    37006 12448    10
##5    21009  4835     5
##6    24005  4835     5
##7    27001  4835     5
##16   47004 12445     1
##17   51001 12449     1
##18   51003  4832     1
##19   52004  4836     1
##8    25005 12447     0
##9    29001 12447     0
##10   29002 12447     0
##11   29002 12446     0
##12   30001 12446     0
##13   31002 12446     0
##14   47007  4834     0
##15   49002  4834     0

我相信这是你想要的。