dplyr：每组最频繁的类+条件，没有总结

Question

我有一个传感器可以测量一些事件（2 个或更多类别 + 它们之间的白噪声）。 我想在我的数据中添加一个窗口，并根据事件比例的一些规则对每个窗口进行分类：

• 如果窗口中超过 90% 的白噪声 => 所有行都必须标记为白噪声
• 如果白噪声低于 90%，则标记窗口中代表最多的事件

我找到了一种创建窗口的方法（但如果您有更好的方法我感兴趣，它就不是很优雅） 我不知道如何应用规则并在初始 data.frame 中标记行 注意：我不想“总结”我的数据，只需在每个窗口中添加一个重复的标签。 在示例中，我想要的输出是为所有窗口 1 和 2 观察添加标签“event1”，为窗口 3 添加标签“event2”，为窗口 4 添加标签“白噪声”，等等。

  df = data.frame(value=c(1,1,1,2,2,1,2,1,3,2,3,6,7,8,4,2,1,1,1,2,1,1,2,1,3,3,1,5,8,9,9,8,
                          1,-4,-5,-7,-9,-3,-2,-1,1,1,1,1,1,2,1,1,1,2,1,1,1,2,2,1,2,3,5,7,7,7,6,2))
  df$class="white.noise"; df$class[df$value<1]<-"event2"; df$class[df$value>2]<-"event1"

  # first create a window 
  window.size=13
  df2 = df %>% mutate('window' = rep(1:100, each=window.size)[1:nrow(df)])

  # compute frequencies per window
  df2 %>% group_by(window, class) %>% tally %>% mutate(n=n/window.size*100)

Answer 1

您可以在单独的数据集中为每个窗口汇总适当的标签，并将其连接回原始数据：

df2.sum <- df2 %>%
  group_by(window, class) %>%
  summarise(count = n()) %>%
  mutate(prop = count / sum(count)) %>%
  filter(any(class == "white.noise" & prop >= 0.9) | (class != "white.noise")) %>%
  filter(prop == max(prop)) %>%
  ungroup() %>% 
  rename(new.class = class) %>% select(window, new.class)

> df2.sum
# A tibble: 5 x 2
  window   new.class
   <int>       <chr>
1      4 white.noise
2      5      event1
3      3      event2
4      1      event1
5      2      event1

> left_join(df2, df2.sum, by = "window")
   value       class window   new.class
1      1 white.noise      1      event1
2      1 white.noise      1      event1
3      1 white.noise      1      event1
4      2 white.noise      1      event1
5      2 white.noise      1      event1
6      1 white.noise      1      event1
7      2 white.noise      1      event1
8      1 white.noise      1      event1
9      3      event1      1      event1
10     2 white.noise      1      event1
...

Answer 2

对 Z.Lin 的回答进行了一些改进。我认为最好先将分类逻辑包装到单独的函数中。

library(dplyr)

classify_window <- function(class_vec) {
  is_white_noise <- class_vec == "white.noise"
  if (mean(is_white_noise) > 0.9) {
    return("white.noise")
  } else {
    class_no_noise <- class_vec[!is_white_noise]
    class_table <- table(class_no_noise)

    return(names(class_table)[which.max(class_table)])
  }
}

df2_summary <- df2 %>%
  group_by(window) %>%
  summarise(tag = classify_window(class))

df2_tagged <- df2 %>% left_join(y = df2_summary, by = "window")
df2_tagged