【发布时间】：2023-04-04 00:15:02
【问题描述】：
在我的数据中，如果虚拟变量重复，我想连续调整起始变量：
我有如下数据（我自己添加了rcount变量）：
head(elevation_raw)
start duration value rcount
1 2021-02-20 12:41:00 [60] [0] 1
2 2021-02-20 12:49:00 [60,20,37] [0,0,0] 2
3 2021-02-20 12:57:00 [60] [0] 3
4 2021-02-20 13:02:00 [60] [0] 4
5 2021-02-20 13:09:00 [60,60,60,60,60] [0,0,0,0,0] 5
6 2021-02-20 14:19:00 [60,60] [0,0] 6
您会看到测量的开始、测量的持续时间（测量持续多长时间，也表示测量的结束）和值（此处为高程）。
您可以在第 1、5、6 行看到多个测量值放在一行中。例如，第 2 次测量在第一次开始 + 第一次的持续时间之后开始。
我已经用separate_rows 和left_join 将数据放在了很好的行中，但是“多重测量”行的开头是错误的。请注意，当 rcount 重复时，可以找到这些多个测量行：
durations <- separate_rows(elevation_raw, duration, sep = ",", convert=T) %>%
select( c(-value))
durations <- mutate(durations, rcount2 = as.numeric(rownames(durations)))
values <- separate_rows(elevation_raw, value, sep = ",", convert=T) %>%
select( -c(duration))
values <- mutate(values, rcount2 = as.numeric(rownames(values)))
elevation_raw <-left_join(durations, values, by=c('rcount2', 'rcount', "start"))
#result:
head(elevation_raw)
# A tibble: 6 x 6
start duration rcount rcount2 value
<dttm> <int> <dbl> <dbl> <int>
1 2021-02-20 12:41:00 60 1 1 0
2 2021-02-20 12:49:00 60 2 2 0 #"multiple measurement" row, see rcount
3 2021-02-20 12:49:00 20 2 3 0 #"multiple measurement" row
4 2021-02-20 12:49:00 37 2 4 0 #"multiple measurement" row
5 2021-02-20 12:57:00 60 3 5 0
6 2021-02-20 13:02:00 60 4 6 0
当然，我想添加一个包含真实开始的列，因为现在“多次测量”行的开始不正确。我尝试了以下方法：
elevation_raw<- mutate(elevation_raw, real_start=ifelse(rcount==dplyr::lag(rcount),
dplyr::lag(elevation_raw$real_start)+dplyr::lag(elevation_raw$duration), elevation_raw$start) )
如果 rcount 重复（使用 (rcount==lag(rcount) ），则实际行的真正开始是上一行的真正开始 + 上一行的持续时间。否则与正常启动相同。
当然，这种方法不起作用：我不能使用我现在正在构建的列来构建列（尽管我认为如果第一行不是多重测量行，real_start 将是正常的开始，并且它可能会起作用，因为我们将有一个开始的第一个值......）。 （如果我使用正常的起始列，它对于多行的第二次测量是正确的。）
也许我应该以不同的方式处理它，即使用 apply 函数？感谢您的帮助，如果您对如何使我的问题更清楚有任何建议，请告诉我。
【问题讨论】：
标签： r dplyr apply data-cleaning tapply