Início / coding / Perguntas / 78871923
Accepted
Amanda Goldberg
Asked: 2024-08-15 00:02:27 +0800 CST

Preciso contar o número de dias entre uma data e o último dia em que a precipitação foi superior a 12

  • 772

Tenho um conjunto de dados com totais de precipitação (Precip) para cada dia. Coletei dados em vários pools. Preciso calcular quantos dias se passaram desde a última vez que choveu> 12 mm. Se choveu mais de 12 mm naquele dia, receberá um '0'.

## creates example dataframe
Pool <- c("A","A","A","A","A","A","A","A","A","A",
        "B","B","B","B","B","B","B","B","B","B")
DATE <- as.Date(c("2005-01-01","2005-01-02","2005-01-03","2005-01-04","2005-01-05",
                        "2005-01-06","2005-01-07","2005-01-08","2005-01-09","2005-01-10",
                        "2005-01-01","2005-01-02","2005-01-03","2005-01-04","2005-01-05",
                        "2005-01-06","2005-01-07","2005-01-08","2005-01-09","2005-01-10"))
Precip <- c(0,0,3,18,4,3,13,8,3,0,13,0,3,13,0,3,10,8,13,0))

df <- data.frame(Pool, DATE, Precip)

Preciso do seguinte dataframe:

   Pool       DATE Precip  Days_since12
1     A 2005-01-01      0     NA
2     A 2005-01-02      0     NA
3     A 2005-01-03      3     NA
4     A 2005-01-04     18     NA
5     A 2005-01-05      4     1
6     A 2005-01-06      3     2
7     A 2005-01-07     13     0
8     A 2005-01-08      8     1
9     A 2005-01-09      3     2
10    A 2005-01-10      0     3
11    B 2005-01-01     13     0
12    B 2005-01-02      0     1
13    B 2005-01-03      3     2
14    B 2005-01-04     13     0
15    B 2005-01-05      0     1
16    B 2005-01-06      3     2
17    B 2005-01-07     10     3
18    B 2005-01-08      8     4
19    B 2005-01-09     13     0
20    B 2005-01-10      0     1

Posso facilmente adicionar uma coluna para indicar se o precipitado foi superior a 12 ou não:

df2 <- df %>%
  group_by(Pool) %>%
  mutate(pre12=ifelse(Precip>12,1,0))

Mas não tenho certeza de como calcular o número de dias entre DATE e a data anterior quando pre12==1

3 respostas

  1. Best Answer

    Muitas das respostas aqui ignoram o valor na coluna de data, em vez disso revertem para "contar linhas" e, portanto, exigem dados muito limpos - que seu exemplo fornece - uma linha por dia, sem valores ausentes, tudo em ordem.

    Usar as datas diretamente fornece uma abordagem mais robusta. Aqui está uma maneira:

    Você começou bem com if_else(), mas podemos ir mais longe. Em vez de simplesmente capturar um verdadeiro/falso, vamos registrar a data real para qualquer dia com precipitação > 12. Este é o primeiro passo para determinar o dia mais recente com precipitação > 12.

    library(dplyr)

df %>%
  group_by(Pool) %>%
  mutate(latest_12 = if_else(Precip > 12, DATE, NA) %>% as.Date())
#> # A tibble: 20 × 4
#> # Groups:   Pool [2]
#>    Pool  DATE       Precip latest_12 
#>    <chr> <date>      <dbl> <date>    
#>  1 A     2005-01-01      0 NA        
#>  2 A     2005-01-02      0 NA        
#>  3 A     2005-01-03      3 NA        
#>  4 A     2005-01-04     18 2005-01-04
#>  5 A     2005-01-05      4 NA        
#>  6 A     2005-01-06      3 NA        
#>  7 A     2005-01-07     13 2005-01-07
#>  8 A     2005-01-08      8 NA        
#>  9 A     2005-01-09      3 NA        
#> 10 A     2005-01-10      0 NA        
#> 11 B     2005-01-01     13 2005-01-01
#> 12 B     2005-01-02      0 NA        
#> 13 B     2005-01-03      3 NA        
#> 14 B     2005-01-04     13 2005-01-04
#> 15 B     2005-01-05      0 NA        
#> 16 B     2005-01-06      3 NA        
#> 17 B     2005-01-07     10 NA        
#> 18 B     2005-01-08      8 NA        
#> 19 B     2005-01-09     13 2005-01-09
#> 20 B     2005-01-10      0 NA

    Então podemos usar tidyr::fill()(que é inteligente o suficiente para permanecer dentro dos grupos definidos por group_by()) para preencher o último valor não ausente em todos os NAs, para obter uma coluna da data mais recente com precipitação> 12 para um determinado pool. Os dados precisam estar em ordem crescente aqui para que o preenchimento faça o que queremos, então não se esqueça de arrangese proteger!

    library(tidyr)
df %>%
  group_by(Pool) %>%
  mutate(latest_12 = if_else(Precip > 12, DATE, NA) %>% as.Date()) %>%
  arrange(Pool, DATE) %>%
  fill(latest_12, .direction = "down")
#> # A tibble: 20 × 4
#> # Groups:   Pool [2]
#>    Pool  DATE       Precip latest_12 
#>    <chr> <date>      <dbl> <date>    
#>  1 A     2005-01-01      0 NA        
#>  2 A     2005-01-02      0 NA        
#>  3 A     2005-01-03      3 NA        
#>  4 A     2005-01-04     18 2005-01-04
#>  5 A     2005-01-05      4 2005-01-04
#>  6 A     2005-01-06      3 2005-01-04
#>  7 A     2005-01-07     13 2005-01-07
#>  8 A     2005-01-08      8 2005-01-07
#>  9 A     2005-01-09      3 2005-01-07
#> 10 A     2005-01-10      0 2005-01-07
#> 11 B     2005-01-01     13 2005-01-01
#> 12 B     2005-01-02      0 2005-01-01
#> 13 B     2005-01-03      3 2005-01-01
#> 14 B     2005-01-04     13 2005-01-04
#> 15 B     2005-01-05      0 2005-01-04
#> 16 B     2005-01-06      3 2005-01-04
#> 17 B     2005-01-07     10 2005-01-04
#> 18 B     2005-01-08      8 2005-01-04
#> 19 B     2005-01-09     13 2005-01-09
#> 20 B     2005-01-10      0 2005-01-09

    Então podemos usar a matemática da data real nessas duas colunas para calcular o tempo decorrido desde a última chuva.

    df %>%
  group_by(Pool) %>%
  mutate(latest_12 = if_else(Precip > 12, DATE, NA) %>% as.Date()) %>%
  arrange(Pool, DATE) %>%
  fill(latest_12, .direction = "down") %>%
  mutate(days_since_12 = DATE - latest_12)
#> # A tibble: 20 × 5
#> # Groups:   Pool [2]
#>    Pool  DATE       Precip latest_12  days_since_12
#>    <chr> <date>      <dbl> <date>     <drtn>       
#>  1 A     2005-01-01      0 NA         NA days      
#>  2 A     2005-01-02      0 NA         NA days      
#>  3 A     2005-01-03      3 NA         NA days      
#>  4 A     2005-01-04     18 2005-01-04  0 days      
#>  5 A     2005-01-05      4 2005-01-04  1 days      
#>  6 A     2005-01-06      3 2005-01-04  2 days      
#>  7 A     2005-01-07     13 2005-01-07  0 days      
#>  8 A     2005-01-08      8 2005-01-07  1 days      
#>  9 A     2005-01-09      3 2005-01-07  2 days      
#> 10 A     2005-01-10      0 2005-01-07  3 days      
#> 11 B     2005-01-01     13 2005-01-01  0 days      
#> 12 B     2005-01-02      0 2005-01-01  1 days      
#> 13 B     2005-01-03      3 2005-01-01  2 days      
#> 14 B     2005-01-04     13 2005-01-04  0 days      
#> 15 B     2005-01-05      0 2005-01-04  1 days      
#> 16 B     2005-01-06      3 2005-01-04  2 days      
#> 17 B     2005-01-07     10 2005-01-04  3 days      
#> 18 B     2005-01-08      8 2005-01-04  4 days      
#> 19 B     2005-01-09     13 2005-01-09  0 days      
#> 20 B     2005-01-10      0 2005-01-09  1 days

    Como estamos fazendo cálculos de datas e organizando nossos dados, essa abordagem é robusta para dados ausentes e fora de ordem.

    # change the date of the 5th row from 2005-01-05 to 2005-01-15, 
# creating a missing value and an out-of-order value
df$DATE[5] <- as.Date("2005-01-15") 

df %>%
  group_by(Pool) %>%
  mutate(latest_12 = if_else(Precip > 12, DATE, NA) %>% as.Date()) %>%
  arrange(Pool, DATE) %>%
  fill(latest_12, .direction = "down") %>%
  mutate(days_since_12 = DATE - latest_12)
#> # A tibble: 20 × 5
#> # Groups:   Pool [2]
#>    Pool  DATE       Precip latest_12  days_since_12
#>    <chr> <date>      <dbl> <date>     <drtn>       
#>  1 A     2005-01-01      0 NA         NA days      
#>  2 A     2005-01-02      0 NA         NA days      
#>  3 A     2005-01-03      3 NA         NA days      
#>  4 A     2005-01-04     18 2005-01-04  0 days      
#>  5 A     2005-01-06      3 2005-01-04  2 days      
#>  6 A     2005-01-07     13 2005-01-07  0 days      
#>  7 A     2005-01-08      8 2005-01-07  1 days      
#>  8 A     2005-01-09      3 2005-01-07  2 days      
#>  9 A     2005-01-10      0 2005-01-07  3 days      
#> 10 A     2005-01-15      4 2005-01-07  8 days      
#> 11 B     2005-01-01     13 2005-01-01  0 days      
#> 12 B     2005-01-02      0 2005-01-01  1 days      
#> 13 B     2005-01-03      3 2005-01-01  2 days      
#> 14 B     2005-01-04     13 2005-01-04  0 days      
#> 15 B     2005-01-05      0 2005-01-04  1 days      
#> 16 B     2005-01-06      3 2005-01-04  2 days      
#> 17 B     2005-01-07     10 2005-01-04  3 days      
#> 18 B     2005-01-08      8 2005-01-04  4 days      
#> 19 B     2005-01-09     13 2005-01-09  0 days      
#> 20 B     2005-01-10      0 2005-01-09  1 days
    • 1

  2. Você poderia fazer:

    library(tidyverse)

df |> 
  mutate(group = cumsum(if_else(Precip >= 12, 1, 0))) |> 
  mutate(Days_since12 = if_else(Precip >= 12, 0, as.numeric(DATE - first(DATE))), .by = group) |> 
  mutate(check = all(Precip < 12),
         Days_since12 = if_else(check == TRUE, 0, Days_since12), .by = group) |> 
  select(-check)

    o que dá:

       Pool       DATE Precip group Days_since12
1     A 2005-01-01      0     0            0
2     A 2005-01-02      0     0            0
3     A 2005-01-03      3     0            0
4     A 2005-01-04     18     1            0
5     A 2005-01-05      4     1            1
6     A 2005-01-06      3     1            2
7     A 2005-01-07     13     2            0
8     A 2005-01-08      8     2            1
9     A 2005-01-09      3     2            2
10    A 2005-01-10      0     2            3
11    B 2005-01-01     13     3            0
12    B 2005-01-02      0     3            1
13    B 2005-01-03      3     3            2
14    B 2005-01-04     13     4            0
15    B 2005-01-05      0     4            1
16    B 2005-01-06      3     4            2
17    B 2005-01-07     10     4            3
18    B 2005-01-08      8     4            4
19    B 2005-01-09     13     5            0
20    B 2005-01-10      0     5            1

    A suposição é que seus dados sejam classificados por data. Além disso, não levei em consideração a variável Pool, pela qual você também pode querer agrupar.

    • 0

  3. Supondo que você tenha dados diários, use cumsume row_number. Como o segundo grupo NAé bastante arbitrário (também pode ser 0), ele precisa de sua própria regra.

    library(dplyr)

df %>% 
  mutate(grp = cumsum(Precip > 12)) %>% 
  mutate(Days_since12 = if_else(grp == 0, NA, row_number() - 1), 
         Days_since12 = if_else(grp == 1 & row_number() == 1, NA, Days_since12),
         .by = c(Pool, grp)) %>% 
  select(-grp)
   Pool       DATE Precip Days_since12
1     A 2005-01-01      0           NA
2     A 2005-01-02      0           NA
3     A 2005-01-03      3           NA
4     A 2005-01-04     18           NA
5     A 2005-01-05      4            1
6     A 2005-01-06      3            2
7     A 2005-01-07     13            0
8     A 2005-01-08      8            1
9     A 2005-01-09      3            2
10    A 2005-01-10      0            3
11    B 2005-01-01     13            0
12    B 2005-01-02      0            1
13    B 2005-01-03      3            2
14    B 2005-01-04     13            0
15    B 2005-01-05      0            1
16    B 2005-01-06      3            2
17    B 2005-01-07     10            3
18    B 2005-01-08      8            4
19    B 2005-01-09     13            0
20    B 2005-01-10      0            1

    Se houver lacunas em DATE

    library(dplyr)

df %>% 
  mutate(grp = cumsum(Precip > 12)) %>% 
  mutate(Days_since12 = cumsum(as.numeric(difftime(DATE, lag(DATE, default=DATE[1])), "days")), 
         Days_since12 = if_else(grp == 0 | grp == 1 & row_number() == 1, NA, Days_since12), 
         .by = c(grp, Pool)) %>% 
  select(-grp)
   Pool       DATE Precip Days_since12
1     A 2005-01-01      0           NA
2     A 2005-01-02      0           NA
3     A 2005-01-03      3           NA
4     A 2005-01-04     18           NA
5     A 2005-01-05      4            1
6     A 2005-01-06      3            2
7     A 2005-01-07     13            0
8     A 2005-01-08      8            1
9     A 2005-01-09      3            2
10    A 2005-01-10      0            3
11    B 2005-01-01     13            0
12    B 2005-01-02      0            1
13    B 2005-01-03      3            2
14    B 2005-01-04     13            0
15    B 2005-01-05      0            1
16    B 2005-01-06      3            2
17    B 2005-01-07     10            3
18    B 2005-01-08      8            4
19    B 2005-01-09     13            0
20    B 2005-01-10      0            1
    • 0

relate perguntas