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

Como extrair a primeira e a última data de um dataframe com condições e quebras?

  • 772

Tenho dados sobre a intensidade da água que foram coletados a cada hora ao longo de muitos meses (abaixo está um subconjunto de dados). Preciso da primeira data em que a intensidade foi maior que 900, mas somente se ela foi maior ou igual a 900 por pelo menos 24 horas. Além disso, preciso da data em que a água caiu abaixo de 900 após o último dia em que a água ficou acima de 900 por pelo menos 24 horas. Então preciso repetir isso para todos os períodos subsequentes de 24+ horas em que a intensidade da água ficar acima/abaixo de 900 novamente durante o período de estudo. Espero evitar ter que analisar todos os dados manualmente para cada local.

## 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)

Então eu deveria terminar com:

                  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 respostas

  1. Best Answer

    Extraia as linhas com intensidade maior que 900 e então crie uma variável de agrupamento gusando seqidque fornece um id exclusivo para cada sequência consecutiva. Reduza cada grupo para uma única linha com as datas da primeira e última linha adicionando uma hora à última. Extraia as linhas que representam pelo menos 24 linhas originais. Converta isso para o formato longo para que starte stopestejam em linhas diferentes e então selecione as colunas desejadas.

    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)

    dando

    # 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. Podemos usar rollapplyfrom zoopara encontrar períodos de 24 horas em que a intensidade excedeu um certo valor e, em seguida, seqidfrom collapsepara agrupar esses períodos e selecionar a primeira data de cada período.

    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

relate perguntas