主页 / coding / 问题 / 78946490
Accepted
Amanda Goldberg
Asked: 2024-09-04 09:09:26 +0800 CST

如何从具有条件和中断的数据框中提取第一个日期和最后一个日期？

  • 772

我有几个月内每小时收集的水强度数据（以下是数据子集）。我需要第一次强度大于 900 的日期，但前提是强度大于或等于 900 的时间至少为 24 小时。此外，我需要在水位高于 900 至少 24 小时的最后一天之后，水位随后降至 900 以下的日期。然后，我需要在整个研究期间，对水位强度再次高于/低于 900 的所有后续 24 小时以上时间段重复此操作。我希望避免必须手动查看每个站点的所有数据。

## creates example dataframe
NoOfHours <- as.numeric(ymd_hms("2010-01-06 01:00:00") - ymd_hms("2010-01-01 07:00:00"))*24 
dt<-ymd_hms("2010-01-01 00:00:00") + hours(0:NoOfHours)
intensity<-c(rep(c(0),23),rep(c(901,904),12), rep(c(660,540),10), rep(c(905,3000),10), 550, rep(c(1000,1200),13),340)

df<-data.frame(dt, intensity)

因此我应该得到以下结论：

                  dt1 status
1 2010-01-01 23:00:00  start
2 2010-01-02 23:00:00   stop
3 2010-01-04 16:00:00  start
4 2010-01-05 18:00:00   stop

2 个回答

  1. Best Answer

    提取强度大于 900 的行，然后创建一个分组变量，g使用seqid该变量为每个连续序列提供唯一 ID。将每个这样的组缩减为一行，第一行和最后一行的日期在最后一行上加一小时。提取代表至少 24 个原始行的行。将其转换为长格式，使和start位于stop不同的行，然后选择所需的列。

    library(collapse)
library(dplyr)
library(tidyr)

df %>%
  filter(intensity > 900) %>%
  mutate(g = seqid(dt, del = 3600)) %>%
  summarize(start = first(dt), stop = last(dt) + 3600, n = n(), .by = g) %>%
  filter(n >= 24) %>%
  pivot_longer(start:stop, names_to = "status", values_to = "dt1") %>%
  select(dt1, status)

    给予

    # A tibble: 4 × 2
  dt1                 status
  <dttm>              <chr> 
1 2010-01-01 23:00:00 start 
2 2010-01-02 23:00:00 stop  
3 2010-01-04 16:00:00 start 
4 2010-01-05 18:00:00 stop
    • 1

  2. 我们可以使用rollapplyfromzoo来查找强度超过一定量的 24 小时内的时间段，然后seqid使用 fromcollapse对这些时间段进行分组并选择每个时间段的第一个日期。

    library(zoo)
library(dplyr)
library(collapse)

find_first_last <- function(df, intensity) {
  df1 <- df[rollapply(df$intensity, width=24, FUN=\(z) all(z>=intensity)),] |>
         mutate(id=seqid(dt, del=3600)) |>
         filter(dt==first(dt), .by=id) |>
         transmute(start=dt)
  
  df1['stop'] <- df$dt[sapply(df1$start, 
                       FUN=\(x) first(which(df$dt > x & df$intensity<intensity)))]
  return(df1)
}

    find_first_last(df, intensity=900)

                    start                stop
1 2010-01-01 23:00:00 2010-01-02 23:00:00
2 2010-01-04 16:00:00 2010-01-05 18:00:00
    • 1

相关问题