在数据框中按组识别模式

Question

我目前有一个数据集，该数据集显示了每天按地点划分的患病人数。对于每个组（位置），在“生病”列中输出 1（生病）或 0（未生病）来说明该地区是否有生病。

我的目标是创建一个新列，用于识别长期疾病的时期并标记任何导致此疾病的行。

以下数据框显示了示例数据：

Current <- structure(list(Location = c("Madrid", "Madrid", "Madrid", "Madrid", 
"Madrid", "Madrid", "Madrid", "Madrid", "Madrid", "Madrid", "Madrid", 
"Madrid", "Madrid", "Madrid", "Madrid"), Date = structure(c(16122, 
16123, 16124, 16125, 16126, 16127, 16128, 16129, 16130, 16131, 
16132, 16133, 16134, 16135, 16136), class = "Date"), Sick = c(1, 
1, 0, 0, 0, 1, 1, 1, 1, 0, 1, 1, 1, 1, 0)), .Names = c("Location", 
"Date", "Sick"), row.names = c(NA, -15L), class = c("tbl_df", 
"tbl", "data.frame"))

我想应用于新列的规则如下：

*# 如果在任何 6 天期间有 4 天的病假，则所有记录病假的天数都应在新的计算变量（“类型”）中输入“长期”。如果不满足此条件，则应在称为“类型”的新计算变量中输入“短期”。

为此，我需要它按组执行计算。位置是此分析中的组，因此我的目标是能够根据位置来上课。我无法解决这个问题。

所需的输出如下所示：

Desired <- structure(list(Location = c("Madrid", "Madrid", "Madrid", "Madrid", 
    "Madrid", "Madrid", "Madrid", "Madrid", "Madrid", "Madrid", "Madrid", 
    "Madrid", "Madrid", "Madrid", "Madrid"), Date = structure(c(16122, 
    16123, 16124, 16125, 16126, 16127, 16128, 16129, 16130, 16131, 
    16132, 16133, 16134, 16135, 16136), class = "Date"), Sick = c(1, 
    1, 0, 0, 0, 1, 1, 1, 1, 0, 1, 1, 1, 1, 0), Type = c(NA, NA, NA, 
    NA, NA, "Long Term", "Long Term", "Long Term", "Long Term", NA, 
    "Long Term", "Long Term", "Long Term", "Long Term", NA)), .Names = c("Location", 
    "Date", "Sick", "Type"), row.names = c(NA, -15L), class = c("tbl_df", 
    "tbl", "data.frame"))

非常感谢您对此提供的任何帮助，并且对有关问题样式和布局的任何反馈也很有帮助。

目前，我遇到的问题是只有符合 ifelse 标准的 Window 术语被标记为“Long Term”。我需要的是所有形成窗口测试并且疾病为 1 的观察结果都被标记为“长期”：

Answer 1

解决方案：

在 Pandas 中使用滚动总和

df['flag'] = df.sickness.rolling(window = 6).sum()
df['long_term'] = (df['flag'] > 4)

或在R中

library(RcppRoll)
library(dplyr)

mutate(df, flag = RcppRoll::roll_sum(x = sickness, 2),
       long_term = if_else(flag > 4, 'Bim!', 'Boom!'))

Answer 2

一种方法是按照@Noobie 的建议找到“长期”期的开始，然后从那里扩展条目。在这里，我使用来自zoo 的rollsum，只是因为这是我熟悉的工作。重要的是，这假设每天都有一个条目（如果没有，请考虑使用complete 和来自tidyr 的full_seq）并且它们是有序的（如果没有，请使用arrange）。

首先，找到开始长期周期的点：

temp <-
  Current %>%
  mutate(rollCount = zoo::rollsum(Sick, 6
                                  , fill = NA
                                  , align = "left")
         , startLong = rollCount >= 4)

然后，将每个起点添加 5 天（使用 unique 以避免多次重新设置）：

toFill <-
  sapply(which(temp$startLong), function(x){
    x + (0:5)
  }) %>%
  as.numeric() %>%
  unique()

然后，为Type 添加一列，并将其设置为Long Term，仅用于我们拉入toFill 的那些：

temp$Type <- NA    
temp$Type[toFill] <- "Long Term"

返回：

   Location       Date  Sick rollCount startLong      Type
      <chr>     <date> <dbl>     <dbl>     <lgl>     <chr>
1    Madrid 2014-02-21     1         3     FALSE      <NA>
2    Madrid 2014-02-22     1         3     FALSE      <NA>
3    Madrid 2014-02-23     0         3     FALSE      <NA>
4    Madrid 2014-02-24     0         4      TRUE Long Term
5    Madrid 2014-02-25     0         4      TRUE Long Term
6    Madrid 2014-02-26     1         5      TRUE Long Term
7    Madrid 2014-02-27     1         5      TRUE Long Term
8    Madrid 2014-02-28     1         5      TRUE Long Term
9    Madrid 2014-03-01     1         5      TRUE Long Term
10   Madrid 2014-03-02     0         4      TRUE Long Term
11   Madrid 2014-03-03     1        NA        NA Long Term
12   Madrid 2014-03-04     1        NA        NA Long Term
13   Madrid 2014-03-05     1        NA        NA Long Term
14   Madrid 2014-03-06     1        NA        NA Long Term
15   Madrid 2014-03-07     0        NA        NA Long Term

如果您想将其用于多个不同的位置，最好将其包装在一个函数中，然后使用group_by 和mutate 添加列。

myFunction <- function(x){
  temp <-
    data.frame(Sick = x) %>%
    mutate(rollCount = zoo::rollsum(Sick, 6
                                    , fill = NA
                                    , align = "left")
           , startLong = rollCount >= 4)

  toFill <-
    sapply(which(temp$startLong), function(x){
      x + (0:5)
    }) %>%
    as.numeric() %>%
    unique()

  temp$Type <- NA

  temp$Type[toFill] <- "Long Term"

  return(temp$Type)
}

然后，将其应用于数据。请注意，应用该功能后，我使用ifelse 将Type 的值设置为“短期”，如果有病，则为空字符串（“”）。

Current %>%
  group_by(Location) %>%
  mutate(Type = myFunction(Sick)
         , Type = ifelse(Sick == 1
                         , ifelse(!is.na(Type)
                                  , Type, "Short Term")
                         , ""))

返回：

   Location       Date  Sick       Type
      <chr>     <date> <dbl>      <chr>
1    Madrid 2014-02-21     1 Short Term
2    Madrid 2014-02-22     1 Short Term
3    Madrid 2014-02-23     0           
4    Madrid 2014-02-24     0  Long Term
5    Madrid 2014-02-25     0  Long Term
6    Madrid 2014-02-26     1  Long Term
7    Madrid 2014-02-27     1  Long Term
8    Madrid 2014-02-28     1  Long Term
9    Madrid 2014-03-01     1  Long Term
10   Madrid 2014-03-02     0  
11   Madrid 2014-03-03     1  Long Term
12   Madrid 2014-03-04     1  Long Term
13   Madrid 2014-03-05     1  Long Term
14   Madrid 2014-03-06     1  Long Term
15   Madrid 2014-03-07     0  

并且应该尊重不同的位置（同样，假设输入了所有日期并且行按日期排序）。