R：过滤并在数据框中的数百行的列中添加重复的相同值

Question

问题：

我有一个包含 16000 行 的数据框，我将使用此数据在 QGIS[=38= 中绘制一条船轨迹线].其中一列称为'Course'，这是每个野外季节船出海的后续编号顺序。

例如，课程 1 的范围是 6/16/17 到 8/13/17。船轨数据框有五列，分别为 ID、日期、时间、航线、纬度和经度。这些值在每天每秒记录一次，通常在 早上 6 点到下午 6 点 之间。因此，对于每个野外课程，有数百行。在 5 年的时间内（2016-2018）总共有 11 门课程。

有什么方法可以按日期过滤每行数据以输入重复数字，例如 '2'（课程 2） 中的值 [=26] =]'Course' 列为日期 8/14/17 至 10/16/17，重复值“3”（课程 3）为日期 10/17/17 至03/01/18，等等？

不幸的是，我无法共享我的数据，也找不到 public 任何类似于我的数据框的数据，我可以使用函数 dput()[=38= 为这个问题提供这些数据].

我一直在使用 dplyr 和 tidyverse 等软件包来尝试解决这个难题，但到目前为止我没有成功找到一个解决方案。

有人能帮忙吗？

非常感谢。

Answer 1

如前所述，为此类内容编写示例数据很有帮助。在这里，我创建了 2 data.frames。一个将包含您的数据（16k 行），第二个将包含您的过滤条件（例如，您要保留的课程和日期范围）。

df1 <- data.frame(
  ID = 1:10,
  date = seq.Date(as.Date("2016-01-01"), as.Date("2019-01-01"), by = 120),
  course = rep(1:5, each = 2)
)
df1

   ID       date course
1   1 2016-01-01      1
2   2 2016-04-30      1
3   3 2016-08-28      2
4   4 2016-12-26      2
5   5 2017-04-25      3
6   6 2017-08-23      3
7   7 2017-12-21      4
8   8 2018-04-20      4
9   9 2018-08-18      5
10 10 2018-12-16      5

df2 <- data.frame(
  course = c(2, 3),
  start_date = as.Date(c("2016-01-01", "2017-05-09")),
  end_date = as.Date(c("2016-12-01", "2018-09-09"))
)
df2

      course start_date   end_date
1      2 2016-01-01 2016-12-01
2      3 2017-05-09 2018-09-09

他们没有所有的专栏，但希望这会给您带来灵感。

在我的示例中，我将过滤 df1 其中：

课程是 2，日期在 1/1/16 和 12/1/16 之间
课程是 3，日期在 5/9/17 和 9/9/18 之间

一旦你有了它，你可以尝试使用 fuzzyjoin 包来合并两者，使用 fuzzy_semi_join。它将在第一个数据框中保留与第二个数据框中的条件匹配的行。

library(fuzzyjoin)

fuzzy_semi_join(
  df1,
  df2,
  by = c("course", "date" = "start_date", "date" = "end_date"),
  match_fun = c(`==`, `>=`, `<=`)
)

输出

  ID       date course
3  3 2016-08-28      2
6  6 2017-08-23      3

在这种情况下，只有两行符合这些条件。

作为替代方案，您可以使用 data.table 包进行合并。这可能是一个更快的解决方案。它应该给你相同的结果。

library(data.table)

setDT(df1)
setDT(df2)

df1[df2, .(ID, x.date, course), on = .(course, date >= start_date, date <= end_date)]

R：过滤并在数据框中的数百行的列中添加重复的相同值

R: Filtering and adding a repeating identical value in a column for hundreds of rows in a dataframe

r

filter

dataframe

dplyr

tidyverse