R：使用应用系列而不是 for 循环

Question

先放一些样本数据

yr1 <- sample(0:1, 365, replace = T)
yr2 <- sample(0:1, 365, replace = T)
yr3 <- sample(0:1, 365, replace = T)
yr4 <- sample(0:1, 365, replace = T)

value <- c(yr1, yr2, yr3, yr4)

yr <- rep(2000:2003, each = 365)
doy <- rep(1:365, times = 4)

foo <- as.data.frame(cbind(value, yr, doy))

foo 包含 3 列。第 1 列具有任意值，即 1 或 0。第 2 列包含年份，第 3 列包含一年中的某一天（365 天）

我有两个向量，分别是儒略日的开始日和结束日

start <- c(258, 258,258,258)
mid <- c(279, 281,285,288)
end <- c(286, 295,300,320)

range.val <- as.data.frame(cbind(start, mid, end))
range.val$yr<- c(2000, 2001, 2002, 2003)

range.val 给了我朱利安天数，在这些天数之间我必须对 foo 中每年的值求和。

例如，对于 2000 年，我需要从 258 天到 279 天，然后从 279 到 286 对 foo$value 求和。同样​​， 对于 2001 年，总和 foo$value 从 258 到 281，然后从 281 到 295。

我还需要计算每年这些指数之间最长连续出现 1 的长度。

我这样做了：

for(yr in 2000:2003){

    range.sub <- range.val[range.val$yr == yr,]
    foo.sub <- foo[foo$yr == yr,]

    sum.1 <- sum(foo.sub[range.sub$start:range.sub$mid,"value"])
    sum.2 <- sum(foo.sub[range.sub$mid:range.sub$end,"value"])

    length.1 <- rle(foo.sub[range.sub$start:range.sub$mid,"value"]) 
    max.spell.length <-  max(sort(length.1$lengths, , decreasing = TRUE))

    length.1 <- rle(foo.sub[range.sub$mid:range.sub$start,"value"]) 
    max.spell.length1 <-  max(sort(length.1$lengths, , decreasing = TRUE))
}

在我不断努力尽量减少使用 for 循环的过程中，我想知道是否可以使用其他一些函数来缩短上述代码。

Answer 1

这是使用 dplyr 的解决方案。

创建一个联合数据框并指明每个年份组合是否在范围 1（开始到中间）、范围 2（中间到结束）或两者都没有。

library(dplyr)

df <- left_join(foo, range.val, by = "yr")
df <- df %>%
  mutate(in.range1 = doy >= start & doy <= mid,
         in.range2 = doy >= mid & doy <= end)
# Note: I'm not sure if the ranges are supposed to be inclusive on both ends, but you
# should be able to change that easily

对于每年范围 X 中的总值，过滤范围并按年份汇总：

df.sum.1 <- df %>%
  filter(in.range1) %>% #change to in.range2 for mid-end
  group_by(yr) %>%
  summarise(value = sum(value))

> df.sum.1
# A tibble: 4 x 2
     yr value
  <dbl> <int>
1  2000    12
2  2001    12
3  2002    10
4  2003    10

对于最长的 1，过滤范围并在每年的值上执行 rle。请注意，我们应该首先过滤 value == 1，否则如果有更长的 0，您可能会得到它：

df.spell.length1 <- df %>%
  filter(in.range1) %>% #change to in.range2 for mid-end
  group_by(yr) %>%
  arrange(doy) %>%
  do(data.frame(unclass(rle(.$value)))) %>%
  filter(values == 1) %>%
  filter(lengths == max(lengths)) %>%
  unique()

> df.spell.length1
# A tibble: 4 x 3
# Groups: yr [4]
     yr lengths values
  <dbl>   <int>  <int>
1  2000       7      1
2  2001       3      1
3  2002       3      1
4  2003       3      1

（为了重现性，样本数据是用set.seed(123)生成的。）