R：基于同一数据帧中另一个因素的 NROW 对数据帧的子集进行子集化

Question

我在两个位置（参考 mast6 和 sonic_f）有 3 个方向（u、v 和 w）的风速读数，用于特定风 角度（例如 0º、5º 等）我已导入并绑定所有这些都放在一个 data.frame 中。

我想以成对的形式绘制数据，但参考桅杆在前 X 秒内没有记录。我需要将声波文件修剪为等效参考桅杆数据为每个角度和每个 u v 或 w 方向显示的第一个时间戳。

例如，每个位置的开始时间如下：

> aggregate(data=df,StartTime~MeasurementLocation+Angle,min)
         Location Angle StartTime
1     mast6_u      00    17602
2     mast6_v      00    17602
3     mast6_w      00    18602
4   sonic_f_u      00        2
5   sonic_f_v      00        2
6   sonic_f_w      00        2
7     mast6_u      05    13001
8     mast6_v      05    13001
9     mast6_w      05    13002
10  sonic_f_u      05        2
11  sonic_f_v      05        2
12  sonic_f_w      05        2

因此，例如，属于角度 00 的所有数据的开始时间必须是 18602。 编辑

所需的输出将是每个角度的单独文件，对于 Angle==00，sonic_f_u v 或 w 的长度与来自 mast_u v 或 w 的同一角度的最短数据集的长度相同。例如。对于角度 00，mast6_u v 和 w 都必须从 18602 开始，sonic_f_u v 和 w 也应该如此。

Answer 1

在这方面很难击败 data.table...

library(data.table)
setDT(df)[ , start_time_max := max( StartTime ), by = Angle][StartTime >= start_time_max, ][, start_time_max := NULL][]

#    Num Location Angle StartTime
# 1:   3  mast6_w     0     18602
# 2:   9  mast6_w     5     13002

基准

microbenchmark::microbenchmark(
  data.table = setDT(df)[ , start_time_max := max( StartTime ), by = Angle][StartTime >= start_time_max, ][, start_time_max := NULL][],
  tidyverse = { left_join(df,
                          df %>%
                            group_by(Angle) %>%
                            summarise(max(StartTime)),
                          by = "Angle"
  ) %>%
      filter(StartTime == `max(StartTime)`) %>%
      select(-`max(StartTime)`) %>%
      arrange(Angle, Location) %>%
      unique()

    }, times = 100
)

# Unit: microseconds
#       expr      min       lq     mean   median       uq       max neval
# data.table  937.233 1050.057 1195.317 1196.169 1289.260  1808.488   100
# tidyverse  4694.900 4991.645 5409.146 5172.855 5341.563 24359.309   100

Answer 2

我不认为我完全理解您的用例，但这就是我的解释：对于每个角度，您希望找到最大开始时间并过滤桅杆和声波的所有风向的数据帧以有相同的开始时间。

在 tidyverse 中，您可以通过找到每个角度的最大开始时间并将其连接到原始数据框中来做到这一点。然后使用过滤器去除不匹配的开始时间：

left_join(df,
          df %>%
            group_by(Angle) %>%
            summarise(max(StartTime)),
          by = "Angle"
) %>%
  filter(StartTime == `max(StartTime)`) %>%
  select(-`max(StartTime)`) %>%
  arrange(Angle, Location) %>%
  unique()

# # A tibble: 2 x 4
#   Location Angle StartTime
#   <chr>    <int>     <int>
# 1 mast6_w      0     18602
# 2 mast6_w      5     13002

使用arrange() 对列进行排序以删除重复的行，使用unique() 去除重复项（如果行列不相同，您可能需要更健壮的东西。

Answer 3

假设我有：

> dat
     Num  Location Angle StartTime
1    1   mast6_u     0     17602
2    2   mast6_v     0     17602
3    3   mast6_w     0     18602
4    4 sonic_f_u     0         2
5    5 sonic_f_v     0         2
6    6 sonic_f_w     0         2
7    7   mast6_u     5     13001
8    8   mast6_v     5     13001
9    9   mast6_w     5     13002
10  10 sonic_f_u     5         2
11  11 sonic_f_v     5         2
12  12 sonic_f_w     5         2

要将所有0 角度转换为0 处的值mast6_w，您可以这样做：

for (angle in c(0,5))
{
   dat[which(dat$Angle==0),4] <- dat[which(dat$Location=="mast6_w" & dat$Angle==0),4]
}

这会将所有0 角度的第4 列值设置为0 和mast6_w 处的值。然后你会得到：

> dat
   Num  Location Angle StartTime
1    1   mast6_u     0     18602
2    2   mast6_v     0     18602
3    3   mast6_w     0     18602
4    4 sonic_f_u     0     18602
5    5 sonic_f_v     0     18602
6    6 sonic_f_w     0     18602
7    7   mast6_u     5     13001
8    8   mast6_v     5     13001
9    9   mast6_w     5     13002
10  10 sonic_f_u     5         2
11  11 sonic_f_v     5         2
12  12 sonic_f_w     5         2

对于其他人来说，这里的结构是：

structure(list(Num = 1:12, Location = c("mast6_u", "mast6_v", 
"mast6_w", "sonic_f_u", "sonic_f_v", "sonic_f_w", "mast6_u", 
"mast6_v", "mast6_w", "sonic_f_u", "sonic_f_v", "sonic_f_w"), 
    Angle = c(0L, 0L, 0L, 0L, 0L, 0L, 5L, 5L, 5L, 5L, 5L, 5L), 
    StartTime = c(17602L, 17602L, 18602L, 2L, 2L, 2L, 13001L, 
    13001L, 13002L, 2L, 2L, 2L)), class = "data.frame", row.names = c(NA, 
-12L))