R如何在循环中提取变量，匹配两个条件？

Question

作为 R 的新手，我正在寻找一种有效的方法来执行具有两个条件的 VLOOKUP 类似物的循环。 VLOOKUP 允许在整个列中查找特定值并将其应用于我的数据框的每一行。

我有一个长的 data.frame DF 3 个变量：

• Car：被观察物品（汽车）的识别号。每辆车都是独一无二的，但不是每排都有。
• Date：观察日期，格式="%Y-%m-%d"
• Area：逻辑变量显示对此Date 的观察（Car）是否在某个区域（真）或不（假）

我需要创建一个新的二进制变量 AreaChange，它显示 如果 Area 在接下来的 10 天内为此 Car 发生变化：如果是则为 1，如果没有变化则为 0 . 我也对一个变化方向感兴趣：从 FALSE 到 TRUE。

Area 在接下来的 10 天内有可能发生多次变化，如果至少有一个变化是从 FALSE 变为 TRUE，则 AreaChange 应该等于 1。

也有可能在某些时期观察到一些Cars 不到10 天，在这些情况下还需要AreaChange 计算。

示例数据集可能如下所示：

set.seed(1)
DF <- data.frame(
Cars=as.integer(sample(127345:127346, 2000, replace=T)), #2 cars sample
Date=as.Date
(seq(from = as.Date("2015-12-21"), to=as.Date("2017-01-30"), length.out = 2000)),
Area=as.logical(sample(x=c(0,1), prob=c(.7, .3), size=2000, replace=T)))
DF <- DF[!duplicated(DF[,c("Cars","Date")]),] #795 observations 

对我来说它看起来像：

1. 为每行提取 10 个 FutureArea 值，匹配两个参数：Car 和 Date 之间相同（Date 和 Date+10）。我想它可以在 10 天内以 循环 格式完成。
2. 如果所有可用的FutureArea 值都相同，或者如果该行的当前Area 为TRUE，则创建等于0 的二进制新变量AreaChange。

我找到了关于合并 2 个数据框或仅在 1 个条件下匹配或在未来几天不提取 Area 值的案例的建议，但没有设法将它们组合到我的案例中。

目前，我只设法获得了 AreaChange，忽略了匹配 Car 的需要，并将 Area 与 10 天内的 Area 进行比较，而不是接下来 10 天内的每一天。

DF$Date10 <- DF$Date+10
library(expss)
DF$Area10 <- vlookup(DF$Date10, DF[,1:3], result_column = 3, lookup_column = 2)
DF$AreaChange10 <- ifelse(DF$Area10!=DF$Area & DF$Area==FALSE, 1, 0)

所需的输出是AreaChange 列，例如as following：

• 如果在当前Date 和Date+10 之间发生Area 从 FALSE 到 TRUE 的切换，对于给定的 Car，则等于 1，无论这些天的 NA 值的数量是多少，李>
• 否则等于 0。

Cars Date Area AreaDay0 AreaDay+1 AreaDay+2 AreaDay+3 AreaDay+4 AreaDay+5 AreaDay+6 AreaDay+7 AreaDay+8 AreaDay9 AreaDay+10 AreaChange Comment 
127345 12/21/15 TRUE 1 0 0 0 1 1 0 0 NA 1 0 1 yes,_as_includes_switch_from_0_to_1
127346 12/21/15 TRUE 1 1 1 0 0 0 0 0 0 0 0 0 no,_as_the_switch_is_from_1_to_0
127347 12/22/15 FALSE 0 0 0 0 0 0 0 0 0 0 0 0 no,_as_no_switch
127348 12/22/15 FALSE 0 0 0 0 0 0 0 NA 1 0 0 1 yes,_as_includes_switch_from_0_to_1
127349 12/23/15 TRUE 1 1 1 1 1 1 NA 1 1 1 1 0 no,_as_no_switch
127350 12/21/15 FALSE 0 NA NA NA NA NA NA NA NA NA 1 1 yes,_as_includes_switch_from_0_to_1

非常感谢您对如何优化和继续提出任何建议。

Answer 1

如果没有示例数据，这很难回答，所以如果下面的代码不适合您，请在您的问题中添加一些内容（请参阅@r2evans 的评论）。

以下解决方案使用data.table 包。

首先，由于没有提供，我根据您问题中的描述编造了一些示例数据。它被命名为dt。

library( data.table )
#build sample data
dt <- data.table( Car = 1, 
                  Date = seq( as.Date( "2019-01-01"), by = "1 days", length.out = 300 ),
                  Area = rep( rep( c(TRUE, FALSE), each = 75 ), 2 ) )

然后，我创建了一个包含所有 CAR + Date 值的单独查找表，并为每一行添加了一个 +30 天的 End_Date。该表是 namse dt.lookup。

#create lookup-table  based on dt$Date with end of lookup-period
dt.lookup <- copy(dt)[, Area := NULL ]
dt.lookup[, End_Date := Date + 30 ]

然后，我使用data.table 非等值连接来查找dt 中属于dt.lookup 中定义的时间段内的所有观察值。我将其写入了一个新的 data.table，ans。当然，你会得到比你预想的更多的行，所以我设置了allow.cartesian = TRUE 以确保连接行为本身。

#perform non-equi join to find all AREA value withing the period
ans <- dt[ dt.lookup, on = .( Car, Date >= Date, Date < End_Date ), allow.cartesian = TRUE ]

加入后，按 Car 和 Date 汇总，找出 Area 在 30 天时间段内的所有唯一值。如果该值等于 1，则没有变化。但是如果这个值等于 2，则 TRUE 和 FALSE 在它们的周期内都有一个区域值。
现在很容易找到带有 Area_Change 的周期！

#summarise to all unique AREA-values per 60-day periode
ans2 <- ans[ , .(total = uniqueN(Area)), by = .( Car, Date )]
#fill column Area_Change
ans2[total == 1, Area_Change := 0 ]
ans2[total == 2, Area_Change := 1 ]

我们现在要做的就是将我们新发现的带有 Area_Changes 的 preiod 添加回原来的 dt。

#update_join the results back to the original dt
dt[ ans2, Area_Change := i.Area_Change, on = .( Car, Date )]

上面的代码可以缩短（相当）一点，但由于您是 SO 新手，我假设您对 R 也很陌生。通过这种方式，您可以轻松检查和验证所有中间结果。