在 10 秒之前和之后将指标值添加到时间列答案

【问题标题】：Add indicator values to time column before and after 10 seconds在 10 秒之前和之后将指标值添加到时间列
【发布时间】：2019-09-23 17:22:01
【问题描述】：

我有一个如下所示的 data.frame 列

       a$`1`
1   1316.100
2      0.200
3    131.600
4      0.500
5     49.600
6      0.500
7    183.100
8      0.200
9   1307.100
10     0.200
11     2.100
12    12.100
13     8.100
14   649.100
15     0.200
16   503.600
17     0.500
18   231.100
19     0.200
20  2527.600
21     0.500
22    90.100
23     0.200

小数点前的数字为秒*100。小数点后的数字为指标值。我正在做一个固定比例的选择任务。其中，可能出现正确的选择（标记为“.100”）或错误的选择（标记为“.600”，后面总是跟着“0.500”）。如果选择了正确的选择并给出了奖励（标记为“.100”，后跟“0.200”），则超时时间为 10 秒。在此期间，可以做出选择（标记为“.100”或“.600”/“0.500”），但在超时期限结束之前不会给予奖励。

问题是我不知道何时发生超时。

如何为超时时间添加指标值？例如，在每个“0.200”值之后放置一个“0.700”值来标记超时的开始。然后在 10 秒后放置一个“0.800”值来标记超时结束。

编辑：我想 for lop 在这里会派上用场吗？我想对每个 0.200 值之后的值求和。一旦行值的总和超过 10 秒，放置一个 0.800 的值，然后继续到下一个 0.200 的值。最后，在每 0.200 之后，放置一个 0.700。 0.700 将标记超时开始，0.800 将标记超时（10 秒）停止。我的专栏应该是这样的......

【问题讨论】：

是否有任何理由将这两个不同的值作为十进制数保留在一列中？我强烈建议您将值拆分为秒部分和标志部分。否则，您可能会在尝试精确匹配十进制值时遇到问题，而浮点数并不总是那么容易。您应该在 reproducible format 中提供您的示例数据，并提供所需的输出，以便可以测试和验证可能的解决方案。
谢谢，我添加了它应该是什么样子的编辑。我有一堆列和行要经过，这就是为什么我希望有一种更简单的方法来做到这一点。我希望留下十进制标志（或至少在最后添加回来）以指示正确或不正确的响应。另外，我会添加我的原始文本文件，但我不知道该怎么做。所以，我只是给出了一个示例列。
你能在这里描述一下你的最终目标/最终期望的输出吗？ “放置 0.800 值”步骤听起来像是一个潜在的 XY 问题，即可能有更直接的方法。(meta.stackexchange.com/questions/66377/what-is-the-xy-problem)
同意 MrFlick 的观点，将多种类型的数据存储在单个列中通常是违反最佳做法的。如果您需要保留原始列以实现向后兼容性，那很好，但对于您的分析，将其拆分为 Time 列和 Response 列非常有意义。这样您就不必玩参考双精度/字符串的前半部分和后半部分的游戏来进行分析/操作。
好的，谢谢，我可以试试。是否有一个 for 循环（或其他东西）我可以编写（至少作为开始）来读取行并在每个 0.200 值之后插入一个 0.700 值？

标签： r

【解决方案1】：

由于您的问题仍然有点分散，我将尝试以更类似于 R 的方式向您展示我认为您可能会如何解决它。

这是您提供的起始数据框：

library(tidyverse)
library(stringr)

df1 <- structure(list(V1 = 1:23, V2 = c(1316.1, 0.2, 131.6, 0.5, 49.6, 
0.5, 183.1, 0.2, 1307.1, 0.2, 2.1, 12.1, 8.1, 649.1, 0.2, 503.6, 
0.5, 231.1, 0.2, 2527.6, 0.5, 90.1, 0.2)), class = "data.frame", row.names = c(NA, 
-23L))

首先，让我们标记每个超时开始，然后创建一个分组变量，在每次我们开始新的超时时分组：

df1 <- df1 %>% mutate(V3 = ifelse(grepl("\\.2$", V2), TRUE, FALSE), 
    TimeOutGroup = cumsum(V3))

接下来，让我们将秒组件从V2 中提取到它自己的列中，并计算每个组内经过的时间。

df1 <- df1 %>% group_by(TimeOutGroup ) %>% 
    mutate(Seconds = as.numeric(gsub("(^\\d+)?\\..*", "\\1",V2))/100, 
    Time_Elapsed = cumsum(Seconds))

为我们提供以下内容：

# A tibble: 23 x 6
# Groups:   TimeOutGroup [7]
      V1     V2 V3    TimeOutGroup Seconds Time_Elapsed
   <int>  <dbl> <lgl>        <int>   <dbl>        <dbl>
 1     1 1316.  FALSE            0   13.2         13.2 
 2     2    0.2 TRUE             1    0            0   
 3     3  132.  FALSE            1    1.31         1.31
 4     4    0.5 FALSE            1    0            1.31
 5     5   49.6 FALSE            1    0.49         1.8 
 6     6    0.5 FALSE            1    0            1.8 
 7     7  183.  FALSE            1    1.83         3.63
 8     8    0.2 TRUE             2    0            0   
 9     9 1307.  FALSE            2   13.1         13.1 
10    10    0.2 TRUE             3    0            0

现在，我们需要考虑一下超时结束的条件是什么，以及它是否真的需要成为自己的行。

我们可以将 End 定义为从 start 开始的总经过时间 > 10 的任何行，或者下一个值为 NA 的行（意味着在新的 Start 之前没有后续值）。然后我们也可以将 Start 添加到该列中：

df1 %>% mutate(Status = ifelse(Time_Elapsed > 10 | is.na(lead(Time_Elapsed)), "End", ""), 
    Status = ifelse(V3 == TRUE, "Start", Status))

这给了我们一个像这样的表格，我们在其中标记了开始和结束，而无需添加任何行：

# A tibble: 23 x 7
# Groups:   TimeOutGroup [7]
      V1     V2 V3    TimeOutGroup Seconds Time_Elapsed Status
   <int>  <dbl> <lgl>        <int>   <dbl>        <dbl> <chr> 
 1     1 1316.  FALSE            0   13.2         13.2  End   
 2     2    0.2 TRUE             1    0            0    Start 
 3     3  132.  FALSE            1    1.31         1.31 ""    
 4     4    0.5 FALSE            1    0            1.31 ""    
 5     5   49.6 FALSE            1    0.49         1.8  ""    
 6     6    0.5 FALSE            1    0            1.8  ""    
 7     7  183.  FALSE            1    1.83         3.63 End   
 8     8    0.2 TRUE             2    0            0    Start 
 9     9 1307.  FALSE            2   13.1         13.1  End   
10    10    0.2 TRUE             3    0            0    Start

希望对您有所帮助！

【讨论】：