提取多个时间序列的子集

Question

我的数据如下（我的数据集中有更多变量和组）：

group   x   time
1   0   1636
1   0   1637
1   0   1638
1   1   1639
1   1   1640
1   1   1641
1   1   1642
2   0   1683
2   0   1684
2   0   1685
2   0   1686
2   0   1687
2   0   1688
2   1   1689
2   1   1690
2   1   1691
3   0   1638
3   1   1639
3   1   1640

每个group 都有自己的时间序列（由time 表示）。我需要的是在x 为某个组取值 1 之前和之后的固定数量的观察。 例如，总是紧接在 x 之前的 3 个观察值从它取 1 的值开始有 1 个和 3 个观察值（所以之前有 3 个观察值，之后有 3 个观察值）。如果之前或之后没有足够的观察结果，我想删除该组的时间序列。

数据将如下所示：

group   x   time
1   0   1636
1   0   1637
1   0   1638
1   1   1639
1   1   1640
1   1   1641
2   0   1686
2   0   1687
2   0   1688
2   1   1689
2   1   1690
2   1   1691

关于如何做到这一点的任何建议？

Answer 1

我们通过group 和x 创建一个唯一的group_indices()，然后我们过滤具有少于3 个观测值和row_number()s 个观测值的组，其中x != 1 是%in% 范围n() （组大小）到n()-2 以仅保留x 发生更改之前的3 个观察值。

library(dplyr)

df %>%
  mutate(g = group_indices_(., .dots = c("group", "x"))) %>%
  group_by(g) %>%
  mutate(condition = ifelse(x == 1, NA, row_number())) %>%
  filter(n() >= 3, ifelse(is.na(condition), TRUE, condition %in% n():(n()-2)))

这给出了：

#Source: local data frame [13 x 5]
#Groups: g [4]
#
#   group     x  time     g condition
#   <int> <int> <int> <int>     <int>
#1      1     0  1636     1         1
#2      1     0  1637     1         2
#3      1     0  1638     1         3
#4      1     1  1639     2        NA
#5      1     1  1640     2        NA
#6      1     1  1641     2        NA
#7      1     1  1642     2        NA
#8      2     0  1686     3         4
#9      2     0  1687     3         5
#10     2     0  1688     3         6
#11     2     1  1689     4        NA
#12     2     1  1690     4        NA
#13     2     1  1691     4        NA

您可以通过将select(-(g:condition)) 添加到链中来选择删除g 和condition 列。

---

数据

df <- structure(list(group = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 
2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L), x = c(0L, 0L, 0L, 1L, 
1L, 1L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 0L, 1L, 1L), 
    time = c(1636L, 1637L, 1638L, 1639L, 1640L, 1641L, 1642L, 
    1683L, 1684L, 1685L, 1686L, 1687L, 1688L, 1689L, 1690L, 1691L, 
    1638L, 1639L, 1640L)), .Names = c("group", "x", "time"), 
class = "data.frame", row.names = c(NA, -19L))