选择在一个时间范围内至少显示 n 条记录的所有唯一条目答案

【问题标题】：Select all unique entries showing a minimum of n records in a time range选择在一个时间范围内至少显示 n 条记录的所有唯一条目
【发布时间】：2020-04-17 12:24:41
【问题描述】：

我有以下按监测点和采样年份组织的水化合物年均值数据集（32000个条目），示例如下：

data= data.frame(Site_ID=c(1, 1, 1, 2, 2, 2, 3, 3, 3), Year=c(1976, 1977, 1978, 2004, 2005, 2006, 2003, 2004, 2005), AnnualMean=c(1.1, 1.2, 1.1, 2.1, 2.6, 3.1, 2.7, 2.6, 1.9))

我只想从所有监测站点中选择在 year1 和 year2 之间至少有 n 个测量值的数据？通常，我想从显示 1990 年到 2005 年之间的 10 个测量值的监测站点中选择所有数据。到目前为止，我尝试过但没有成功：

data %>%
group_by(Site_ID) %>%
filter(n()>=n %in% between(Year, year1, year2))

【问题讨论】：

标签： r filter range subset

【解决方案1】：

这会选择在parms['yr1'] 和parms['yr2'] 之间至少包含parms['n'] 观察的所有Site_ID 组。

library(data.table)
setDT(df)

parms <- c(n = 2, yr1 = 2000, yr2 = 2005)

df[, if(sum(Year %between% parms[c('yr1', 'yr2')]) >= parms['n']) .SD, 
   by = Site_ID]

#    Site_ID Year AnnualMean
# 1:       2 2004        2.1
# 2:       2 2005        2.6
# 3:       2 2006        3.1
# 4:       3 2003        2.7
# 5:       3 2004        2.6
# 6:       3 2005        1.9

【讨论】：

这个解决方案效果很好，非常感谢您，并为延迟回复道歉！

【解决方案2】：

我不确定这是否是您的预期结果，也许您可以尝试一下

data %>%
  group_by(Site_ID) %>%
  filter(between(Year,1990,2005)) %>%
  filter(Year, n()>=10)

一个基本的 R 替代方案是

subset(data,
       !!ave(ave(Year,
                 Site_ID,
                 FUN = function(x) x>=1990&x<=2005),
             Site_ID,
             FUN = function(x) sum(x)>2))

【讨论】：

【解决方案3】：

Base-R 中的此代码适用于您提供的示例数据。您可以更改 IDstoGet <- Site_IDs[CountBySite_IDs >= 3] 中的数字，以仅采用具有超过您想要的任何数量的数据点的 Site_ID。

DataInRange <- data[(data$Year>=1990&data$Year<=2005),]
Site_IDs <- unique(DataInRange$Site_ID)
CountBySite_IDs <- sapply(Site_IDs, function(x) length(grep(x,DataInRange$Site_ID)))
IDstoGet <- Site_IDs[CountBySite_IDs >= 3]
DataToGetPosition <- unlist(lapply(IDstoGet, grep, DataInRange$Site_ID))

DataInRange[DataToGetPosition,]

输出

> DataInRange[DataToGetPosition,]
  Site_ID Year AnnualMean
7       3 2003        2.7
8       3 2004        2.6
9       3 2005        1.9

【讨论】：

【解决方案4】：

基础 R 解决方案：

# Store a scalar that's values represent the number of observations 
# You would like to filter the data set for: n => numeric vector: 
n <- 10

# Append a site count vector to a subset of the original df: sites_counted_df => data.frame:
sites_counted_df <-
  within(data[which(data$Year >= 1980 & data$Year <= 2005), ],
         {
           count <- ave(Site_ID, Site_ID, FUN = length)
         }
  )

# Filter the data.frame to contain records for sites above "n":
# n_observation_sites => data.frame
n_observation_sites <- sites_counted_df[which(count > n),]

数据：

data <- data.frame(
  Site_ID = c(1, 1, 1, 2, 2, 2, 3, 3, 3),
  Year = c(1976, 1977, 1978, 2004, 2005, 2006, 2003, 2004, 2005),
  AnnualMean = c(1.1, 1.2, 1.1, 2.1, 2.6, 3.1, 2.7, 2.6, 1.9)
)

【讨论】：