如何在R中创建一个条件假人？答案

【问题标题】：How to create a conditional dummy in R?如何在R中创建一个条件假人？
【发布时间】：2016-05-10 00:55:49
【问题描述】：

我有一个包含每日温度观察的时间序列数据的数据框。我需要创建一个虚拟变量来计算温度高于 5C 阈值的每一天。这本身很容易，但存在一个附加条件：仅在连续十天超过阈值后才开始计数。这是一个示例数据框：

df <- data.frame(date = seq(365), 
         temp = -30 + 0.65*seq(365) - 0.0018*seq(365)^2 + rnorm(365))

我想我已经完成了，但是我喜欢的循环太多了。这就是我所做的：

df$dummyUnconditional <- 0
df$dummyHead <- 0
df$dummyTail <- 0

for(i in 1:nrow(df)){
    if(df$temp[i] > 5){
        df$dummyUnconditional[i] <- 1
    }
}

for(i in 1:(nrow(df)-9)){
    if(sum(df$dummyUnconditional[i:(i+9)]) == 10){
        df$dummyHead[i] <- 1
    }
}

for(i in 9:nrow(df)){
    if(sum(df$dummyUnconditional[(i-9):i]) == 10){
        df$dummyTail[i] <- 1
    }
}

df$dummyConditional <- ifelse(df$dummyHead == 1 | df$dummyTail == 1, 1, 0)

谁能提出更简单的方法来做到这一点？

【问题讨论】：

标签： r loops dataframe

【解决方案1】：

这是使用 rle 的基本 R 选项：

df$dummy <- with(rle(df$temp > 5), rep(as.integer(values & lengths >= 10), lengths))

一些解释： 该任务是运行长度编码 (rle) 函数 imo 的经典用例。我们首先检查temp 的值是否大于5（创建一个逻辑向量）并将rle 应用于该向量，结果是：

> rle(df$temp > 5)
#Run Length Encoding
#  lengths: int [1:7] 66 1 1 225 2 1 69
#  values : logi [1:7] FALSE TRUE FALSE TRUE FALSE TRUE ...

现在我们要找出values 为TRUE（即temp 大于5）并且同时lengths 大于10（即至少连续十个temp）的情况值大于 5)。我们通过运行来做到这一点：

values & lengths >= 10

最后，由于我们要返回与nrow(df) 相同长度的向量，因此我们使用rep(..., lengths) 和as.integer 来返回1/0 而不是TRUE/FALSE。

【讨论】：

其他两个建议也有效，但这是最简单的，如果存在的话，我倾向于使用 R-base 解决方案。谢谢！
您可能需要仔细检查此解决方案。我在第 67-75 天得到了虚拟值 = 1，尽管这些天不是连续 10 天 > 5 度温度运行的一部分
@JHowIX，你能提供一个例子吗？请注意，示例数据使用rnorm 没有设置种子，因此解决方案不必相同（因为示例数据可能不同）
@docendodiscimus - 是的，我不确定我希望如何传达样本数据。但是，在同一个数据帧上运行您的解决方案和我的解决方案，它们会产生不同的结果，这意味着您或我的解决方案都不正确。如果它是我的，我想知道，所以我可以纠正它。
rle R 必须是万能锤。 :-)

【解决方案2】：

我认为您可以结合使用简单的 ifelse 和 zoo package 中的滚动应用功能来实现您正在寻找的东西。最后一步只涉及填充结果以说明前 N-1 天没有足够的信息来填充窗口。

library(zoo)

df <- data.frame(date = seq(365), 
                 temp = -30 + 0.65*seq(365) - 0.0018*seq(365)^2 + rnorm(365))

df$above5 <- ifelse(df$temp > 5, 1, 0)
temp <- rollapply(df$above5, 10, sum)
df$conseq <- c(rep(0, 9),temp)

【讨论】：

用简单的sum 替换function(x) { sum(x) } ?
建议这样写：df2 <- transform(transform(df, uncond = temp > 5), head = rollsum(uncond, 10, align = "left", fill = 0) == 10, tail = rollsum(uncond, 10, align = "right", fill = 0) == 10) + 0

【解决方案3】：

我会这样做：

set.seed(42)
df <- data.frame(date = seq(365), 
                 temp = -30 + 0.65*seq(365) - 0.0018*seq(365)^2 + rnorm(365))
thr <- 5
df$dum <- 0

#find first 10 consecutive values above threshold
test1 <- filter(df$temp > thr, rep(1,10), sides = 1) == 10L
test1[1:9] <- FALSE
n <- which(cumsum(test1) == 1L)

#count days above threshold after that
df$dum[(n+1):nrow(df)] <- cumsum(df$temp[(n+1):nrow(df)] > thr)

【讨论】：