R - 处理时间序列数据

Question

我有一个时间序列数据集，其中包含超过 200,000 个研究单位的 30 年年度值，所有研究单位都以 'healthy==1' 的相同值开始，并且可以过渡到 3 classes - 'exposed==2'、'infected==3' 和 'recover==4'；在整个时间序列中，一些单位也保持 'healthy'。数据集为长格式。

我想操纵每个单元保留所有 30 年但折叠为仅 'heathy==1' 和 'infected==3' 的数据集，即我将 class 化 'exposed==2' 作为'healthy==1' 并且 'healthy' 单位第一次获得 'infected==3' 时，它在剩余的时间序列中仍然被感染，即使它可能 'recover==4'/再次改变状态（获得感染并再次康复）。永远不会过渡到另一个 class 的健康单位将在整个时间序列中保持 class 健康。

我对如何在 r 中编写代码感到有点困惑；任何想法将不胜感激

两个单元的数据集示例；一个在整个时间序列中保持健康，另一个有多个转换。

            UID annual_change_val year
1      control1                 1 1990
4      control1                 1 1991
5      control1                 1 1992
7      control1                 1 1993
9      control1                 1 1994
12     control1                 1 1995
13     control1                 1 1996
16     control1                 1 1997
18     control1                 1 1998
20     control1                 1 1999
22     control1                 1 2000
24     control1                 1 2001
26     control1                 1 2002
28     control1                 1 2003
30     control1                 1 2004
31     control1                 1 2005
33     control1                 1 2006
35     control1                 1 2007
38     control1                 1 2008
40     control1                 1 2009
42     control1                 1 2010
44     control1                 1 2011
46     control1                 1 2012
48     control1                 1 2013
50     control1                 1 2014
52     control1                 1 2015
53     control1                 1 2016
55     control1                 1 2017
57     control1                 1 2018
59     control1                 1 2019
61     control1                 1 2020
2  control64167                 1 1990
3  control64167                 1 1991
6  control64167                 1 1992
8  control64167                 2 1993
10 control64167                 2 1994
11 control64167                 2 1995
14 control64167                 2 1996
15 control64167                 2 1997
17 control64167                 3 1998
19 control64167                 3 1999
21 control64167                 4 2000
23 control64167                 4 2001
25 control64167                 4 2002
27 control64167                 4 2003
29 control64167                 3 2004
32 control64167                 4 2005
34 control64167                 4 2006
36 control64167                 4 2007
37 control64167                 4 2008
39 control64167                 4 2009
41 control64167                 4 2010
43 control64167                 4 2011
45 control64167                 4 2012
47 control64167                 4 2013
49 control64167                 4 2014
51 control64167                 4 2015
54 control64167                 4 2016
56 control64167                 4 2017
58 control64167                 4 2018
60 control64167                 4 2019
62 control64167                 4 2020

Answer 1

更新，基于comment/clarification。

在这里，我像以前一样替换值，然后我创建一个名为 max_inf 的临时变量，它保存 UID 被“感染”的最大年份 (status=3)。然后，我将超过该年（在 UID 内）的任何年份的状态替换为 3。

d %>%
  mutate(status = if_else(annual_change_val %in% c(1,2),1,3)) %>% 
  group_by(UID) %>% 
  mutate(max_inf = max(year[which(status==3)],na.rm=T),
         status = if_else(!is.na(max_inf) & year>max_inf & status==1,3,status)) %>% 
  select(!max_inf)

您可以简单地将值从 2 更改为 1，从 4 更改为 3，正如 Andrea 在评论中提到的那样。如果d是你的数据，那么

library(dplyr)
d %>% mutate(status = if_else(annual_change_val %in% c(1,2),1,3))

library(data.table)
setDT(d)[, status:=fifelse(annual_change_val %in% c(1,2),1,3)]

Answer 2

如果出于某种原因你只想使用 base R，

df$annual_change_val[df$annual_change_val == 2] <- 1
df$annual_change_val[df$annual_change_val == 4] <- 3

第一行的意思是：从 ($) 数据帧 df 中取出 annual_change_val 列，对其进行子集化 ([) 这样你就只剩下值等于 2，而 re-assign (<-) 改为值 1。第二行也是如此。

R - 处理时间序列数据

R - manipulating time series data

r

data-wrangling

更新，基于comment/clarification。