R:过滤并在列中为数据帧中的数百行添加重复的相同值。

Question

发行：

我有一个具有16000行的数据框架，我将使用这些数据在QGIS中绘制一条船航迹线。其中一列名为‘Course'，这是船在每个田野季节出海的后续编号顺序。

例如，航向1从6/16/17到8/13/17不等。航迹数据框架包含ID、日期、时间、航向、纬度和经度的五列。每天每秒钟记录一次值，一般从早上6点到下午6点。因此，对于每一个领域的课程，有数百行。总共有11个课程，为期5年(2016-2018年)。

是否有任何方法可以按日期对每一行数据进行筛选，以输入一个重复数字，例如'2‘(课程2)值在'Course'列中的日期为8/14/17至10/16/17，以及10/17/17至03/01/18日期的重复值'3’(课程3)等等？

不幸的是，我无法共享我的数据，我也找不到任何与我的数据框架类似的数据，我可以使用函数dput()为这个问题提供数据。

我一直在使用诸如、dplyr、和tidyverse之类的包来解决这个难题，到目前为止，我一直未能找到解决方案。

有人能帮忙吗？

在此之前，非常感谢您。

Answer 1

如前所述，为这样的事情编写示例数据是很有帮助的。在这里，我创建了2个data.frames。一个将有您的数据(16k行)，第二个将有您的筛选标准(例如，您希望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，但希望这将给你的想法。

在我的示例中，我将过滤df1，其中：

• 课程为2，日期为1/1/16至12/1/16
• 课程为3，日期为5/9/17至9/9/18

。

一旦您有了它，您可以尝试使用fuzzyjoin包来合并这两者，使用fuzzy_semi_join。它将在第一数据帧中保留与第二数据帧中的条件相匹配的行。

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，只有两行符合这些标准。

作为替代，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。它应该会给你同样的结果。

library(data.table)

setDT(df1)
setDT(df2)

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