从数据中提取完整数据集的一系列观测数据

Question

我有一个由5个变量(括号中的类)组成的值的数据框架。

1) DateTime (as.POSIXct)，2) ID (字符)，3)传感器1(数字)，4)传感器2(数字)，5)传感器3(数字)

这一数据是从5条有标记的鱼中收集的。每个鱼都有一个标签，上面有3个传感器，每个传感器都有一个唯一的ID (因此5个鱼乘以3个ID/ tag =15个唯一ID)。传感器记录彼此相关的测量，因此同时记录这些测量。每次按相同的顺序发送测量数据(ID=A、B、C)。该数据被发送到一次只能接收一次传输的侦听接收器。为了避免多个标签同时发送数据，并且可能永远不会接收数据，每个传感器在收集新的测量集和重新开始循环之前，以随机间隔( 2-4分钟)发送出去。但在随机间隔的情况下，有时多个标签试图同时发送数据，因此这些测量结果不会被记录下来。下面提供了一条鱼的示例数据：

> head(dat,15)

                   DateTime ID  Sensor1 Sensor2  Sensor3
    446 2015-05-15 19:05:41  B       NA    10.2       NA
    464 2015-05-15 19:14:20  B       NA    10.2       NA
    475 2015-05-15 19:17:32  C       NA      NA 10.58824
    486 2015-05-15 19:19:52  A 1.999499      NA       NA
    499 2015-05-15 19:22:31  B       NA    10.2       NA
    515 2015-05-15 19:28:10  A 1.999499      NA       NA
    523 2015-05-15 19:30:56  B       NA    10.1       NA
    542 2015-05-15 19:37:22  A 1.999499      NA       NA
    559 2015-05-15 19:41:09  B       NA    10.2       NA
    574 2015-05-15 19:44:47  C       NA      NA 10.50980
    613 2015-05-15 19:50:23  B       NA    10.3       NA
    633 2015-05-15 19:53:07  C       NA      NA 10.50980
    650 2015-05-15 19:56:32  A 1.999499      NA       NA
    684 2015-05-15 20:02:49  C       NA      NA 10.50980
    702 2015-05-15 20:05:51  A 1.999499      NA       NA

我的问题是只提取数据的完整集合，这意味着ID的A、B和C都是从同一个周期中检测到的标记，因此来自3个传感器的数据可以一起使用。如果一个ID在一个周期中被遗漏了，那么我不希望从这个周期中得到任何测量结果。在上面的例子中，我只想保留一个循环(以数字542、559和574开头的行)。

一旦我删除了所有不完整的循环，我想将每个周期合并成一个单独的观察，这样我就有了一个新的数据帧，其中每一行代表一个周期，所有3个传感器变量都有值。计算ID的A和C之间的时间也很有用，这样我就可以验证它们来自同一个周期，而不是这样的情况:相同的ID可能被连续错过多次，但顺序仍然有效(发生这种情况的可能性非常非常低)。

到目前为止，我一直在尝试使用for循环来提取显示正确顺序的数据行，并将这些行放入一个新的数据框架中。我不知道如何让R将我的标准理解为一个条件语句，以及在执行我希望循环做的事情之前，如何满足来自3个不同观察的条件。如果可能的话，我很乐意用其他方式来做，而不是使用循环。下面是我的循环的一个例子(我知道我不是调用一个真值或假值来测试==TRUE条件，只是不知道如何对每一行进行测试)：

#make blank dataframe    
output <- data.frame (DateTime=rep(as.POSIXct(NA, tz="UTC"), length(tag123o$Transmitter)),
                          ID=rep(as.character(NA), length(tag123o$Transmitter)),
                          Sensor1=rep(as.numeric(NA), length(tag123o$Transmitter)),
                          Sensor2=rep(as.numeric(NA), length(tag123o$Transmitter)),
                          Sensor3=rep(as.numeric(NA), length(tag123o$Transmitter)))

    for (i in 1:length(dat$ID)) {
      if (((dat[i,names(dat)=="ID"] == "A69-1105-123") &
        (dat[i+1,names(dat)=="ID"] == "A69-1105-124") &
          (dat[i+2,names(dat)=="ID"] == "A69-1105-125"))==TRUE) {
            output[i,] <- cbind(dat[i,], data.frame(Cycle=i)) 
            output[i+1,] <- cbind(dat[i+1,], data.frame (Cycle=i))
            output[i+2,] <- cbind(dat[i+2,], data.frame(Cycle=i))
          }
    }

Answer 1

您的问题归结为在ID序列中搜索"ABC“序列：

(matches <- gregexpr("ABC", paste(dat$ID, collapse=""))[[1]])
# [1] 8
# ...

这表明唯一的匹配开始于第8行，您现在知道Sensor1的信息位于编号为matches的行处，Sensor2的信息在编号为matches+1的行处，而Sensor3的信息位于编号为matches+2的行处。这使您能够有效地构造所需的数据框架，该框架组合了用于循环的信息：

data.frame(DateTime1 = dat$DateTime[matches],
           DateTime2 = dat$DateTime[matches+1],
           DateTime3 = dat$DateTime[matches+2],
           Sensor1 = dat$Sensor1[matches],
           Sensor2 = dat$Sensor2[matches+1],
           Sensor3 = dat$Sensor3[matches+2])
#             DateTime1           DateTime2           DateTime3  Sensor1 Sensor2 Sensor3
# 1 2015-05-15 19:37:22 2015-05-15 19:41:09 2015-05-15 19:44:47 1.999499    10.2 10.5098

您现在可以进行任何要进一步过滤信息的计算(例如，删除测量之间时间差太大的周期)。