基于行索引拆分数据框

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了基于行索引拆分数据框相关的知识,希望对你有一定的参考价值。

我想通过循环遍历行和子集来分割我的数据框

indices = (diff(Data$Time>1800))
for (i in 1:length(indices)){
if(indices[i]==TRUE){
##### I need a function to split data by row index
}}

我试过了

lst <- split(Data, as.factor(diff(Data$Time>1800)==TRUE))

但它只返回真实的行,但我想要的是每次面对true时分割。

这就是我所拥有的

    Time        temp
7/1/17 13:45:34  56
7/1/17 13:45:37  68
7/1/17 13:45:39  98
7/1/17 13:45:40  99
7/1/17 13:45:46  97
7/1/17 14:16:29  48
7/1/17 14:16:30  78
7/1/17 14:16:31  66
7/1/17 14:17:34  93
7/1/17 14:17:39  98
7/1/17 14:17:40  98
7/1/17 14:17:44  93
7/1/17 14:47:10  54
7/1/17 14:47:12  67
7/1/17 14:47:16  69
7/1/17 14:47:18  95
7/1/17 14:47:19  95
7/1/17 14:47:23  96
7/1/17 14:47:28  96
7/1/17 14:47:30  99

这就是我要的

Time        temp
7/1/17 13:45:34  56
7/1/17 13:45:37  68
7/1/17 13:45:39  98
7/1/17 13:45:40  99
7/1/17 13:45:46  97

Time        temp
7/1/17 14:16:29  48
7/1/17 14:16:30  78
7/1/17 14:16:31  66
7/1/17 14:17:34  93
7/1/17 14:17:39  98
7/1/17 14:17:40  98
7/1/17 14:17:44  93

Time        temp
7/1/17 14:47:10  54
7/1/17 14:47:12  67
7/1/17 14:47:16  69
7/1/17 14:47:18  95
7/1/17 14:47:19  95
7/1/17 14:47:23  96
7/1/17 14:47:28  96
7/1/17 14:47:30  99

是否可以通过将这些索引存储在向量中然后根据此向量拆分数据帧来拆分数据,这意味着只要行号等于我们的值“i”就会在该行拆分数据帧。从而拥有多个数据帧。

答案

使用新数据集,它似乎不是1800,它应该是1700

library(dplyr)
library(purrr)
library(lubridate)
Data %>% 
    mutate(Time = dmy_hms(Time), 
           grp = cumsum(Time - lag(Time, default = Time[1L])> 1700)) %>%
    split(.$grp) %>% 
    map(~ .x %>%
            select(-grp))
#$`0`
#                 Time temp
#1 2017-01-07 13:45:34   56
#2 2017-01-07 13:45:37   68
#3 2017-01-07 13:45:39   98
#4 2017-01-07 13:45:40   99
#5 2017-01-07 13:45:46   97

#$`1`
#                  Time temp
#6  2017-01-07 14:16:29   48
#7  2017-01-07 14:16:30   78
#8  2017-01-07 14:16:31   66
#9  2017-01-07 14:17:34   93
#10 2017-01-07 14:17:39   98
#11 2017-01-07 14:17:40   98
#12 2017-01-07 14:17:44   93

#$`2`
#                  Time temp
#13 2017-01-07 14:47:10   54
#14 2017-01-07 14:47:12   67
#15 2017-01-07 14:47:16   69
#16 2017-01-07 14:47:18   95
#17 2017-01-07 14:47:19   95
#18 2017-01-07 14:47:23   96
#19 2017-01-07 14:47:28   96
#20 2017-01-07 14:47:30   99

base R相似的选项将是

split(Data, cumsum(c(0, diff(as.POSIXct(Data$Time,
             format = "%d/%m/%y %H:%M:%S", tz = 'GMT'))) > 1700))

以上是关于基于行索引拆分数据框的主要内容,如果未能解决你的问题,请参考以下文章

按行索引拆分 Spark 数据帧

根据索引的接近程度拆分熊猫数据框

在数据框中添加两个元素(基于索引)

在转换为具有拆分方向的 json 之前从数据框中删除索引

如何根据行的内容拆分pyspark数据框

在拆分为多个文件的大型数据框中查找重复行和包含重复行的文件