如何根据另一列中的特定日期和级别为列分配级别？

Posted 2023-02-16

【中文标题】如何根据另一列中的特定日期和级别为列分配级别？

【英文标题】：How to assign levels to a column based on specific dates and levels in another column?

【发布时间】：2020-02-21 00:37:13

【问题描述】：

我有一个包含 3 列的示例数据集：JulianDay、Device 和 location。请参阅下面的代码。

structure(list(JulianDay = 40:69, Device = structure(c(1L, 2L, 
3L, 1L, 2L, 3L, 1L, 2L, 3L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 
2L, 3L, 1L, 3L, 1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L), .Label = c("a", 
"b", "c"), class = "factor"), Location = c(1, 2, 3, 1, 2, 3, 
1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 
1, 2, 3)), class = "data.frame", row.names = c(NA, -30L))

查看数据，可以看到设备 a 在第 40、43、46 天位于位置 1。但是设备更改位置，位置 1 在第 49、52、55 天被设备 b 和设备 c 占用在 61、64、67 上。所有三种设备都发生了类似的变化。

现在假设我们只有前两列，但我知道设备更改位置的每个日期以及它去往的位置。我怎么能用这些信息重建第 3 列。显然有 30 行，手动输入很容易，但我正在处理一个有几十万行的真实数据框。

编辑：

structure(list(JulianDay = c(40, 40, 40, 41, 41, 41, 42, 42, 
42, 43, 43, 43, 44, 44, 44, 45, 45, 45), Device = structure(c(1L, 
2L, 3L, 1L, 2L, 3L, 2L, 3L, 1L, 2L, 3L, 1L, 3L, 1L, 2L, 3L, 1L, 
2L), .Label = c("a", "b", "c"), class = "factor"), Location = c(1, 
2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3)), class = "data.frame", row.names = c(NA, 
-18L))

这是一个类似的数据框，可以解决这个问题。每个设备每天都处于活动状态，并且每天都有 3 个位置。如果没有物理位置列（但知道应该包含什么），我想编写如下代码：

if(JulianDay < 41 & Device == 'A')  Location == 1
if(JulianDay > 41 * JulianDay < 44 & Device == 'A')  Location == 3
if(JulianDay > 44 & Device == 'A') Location == 2

这样填写第三列（位置）。

【问题讨论】：

这个问题我不清楚。你的意思是特定的一天总是与特定的位置相关联吗？例如，如果 40 为 1，则 41 为 2，42 为 3，43 为 1，依此类推。

@MikaelPoulJohannesson 刚刚编辑了帖子。希望这可以消除混乱。

【参考方案1】：

如果您有一组基于JulianDay 和Device 的条件期望需要依次执行以创建Location，那么您应该看看dplyr::case_when。

来自文档（参见?dplyr::case_when）：

此函数允许您向量化多个“if_else()”语句。 它是 SQL ‘CASE WHEN’ 语句的 R 等价物。如果没有病例 匹配，返回“NA”。

例如，以你的例子，

data <- structure(list(JulianDay = c(40, 40, 40, 41, 41, 41, 42, 42, 
42, 43, 43, 43, 44, 44, 44, 45, 45, 45), Device = structure(c(1L, 
2L, 3L, 1L, 2L, 3L, 2L, 3L, 1L, 2L, 3L, 1L, 3L, 1L, 2L, 3L, 1L, 
2L), .Label = c("a", "b", "c"), class = "factor"), Location = c(1, 
2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3)), class = "data.frame", row.names = c(NA, 
-18L))

library(dplyr)

data$Location <- case_when(
  data$JulianDay < 41 & data$Device == "a" ~ 1,
  data$JulianDay > 41 & data$JulianDay < 44 & data$Device == "a" ~ 3,
  data$JulianDay > 44 & data$Device == "a" ~ 2
)