如何替换“for”循环和if/ else if语句？从数据框中提取数据

Question

我在R中处理由时间和降水数据组成的数据帧(超过3000000个值，每分钟测量一次)

我想提取所有的“降水事件”，它们实际上是下雨时的所有时刻(dp != 0，但也包括可能的降雨中断，但不再是下一次测量的"a“)。

我希望所有剧集都存储在新的数据帧与附加的列与他们中的每一个编号。第一场雨- 1，第二场- 2....

“降水插曲”的例子：

time <- c("2013-01-01 11:39:00",
        "2013-01-01 11:40:00", "2013-01-01 11:41:00",
        "2013-01-01 11:42:00","2013-01-01 11:43:00",
        "2013-01-01 11:44:00","2013-01-01 11:45:00",
        "2013-01-01 11:46:00","2013-01-01 11:47:00",
        "2013-01-01 11:48:00","2013-01-01 11:49:00",
        "2013-01-01 11:50:00","2013-01-01 11:51:00",
        "2013-01-01 11:52:00","2013-01-01 11:53:00")

time <- as.POSIXct(time , origin="1899-12-30",tz="GMT")

p<- c(1.565, 1.565, 1.658, 1.795, 1.795, 1.795, 1.896, 1.896, 2.985, 2.985, 
      2.985, 2.985, 3.5, 3.7, 3.85)

df <- data.frame(time, p)   
dp <- diff(df$p)

df$dp<- c(dp,0)

我创建了一个使用for循环和(很多) if条件的函数，我希望这些条件能很好地表达我的意图。它目前还不能很好地工作--还在寻找原因。

rain.episodes<- function(x) {
  a<- 300
  episode.number <- 1
  rain <- reja.clean[1,] #just for column names

  for (i in 1:nrow(x)) {

    if (x[i,"dp"] >0) {
        rain[i,]<- x[i,]
        rain[i, "episode.number"]<- episode.number
        a<-0

    } else if (x[i,"dp"] ==0 & a<300) {
        rain[i,]<- x[i,]
        rain[i, "episode.number"]<- episode.number
        a<-a+1

    } else if (a==301) {
        episode.number<-episode.number+1

    } else{
          a<-a+1
    }
  }
  return(rain)
}

有没有办法创建一个函数来帮助我解决这个问题，输出与我粘贴的函数相同，但使用不同的(更好的)方法？

我也想知道为什么我的函数不工作。

Answer 1

这可能会起作用：

#load libraries
library(dplyr)
library(lubridate)
library(zoo) # for `na.locf`
library(data.table) # for Step 2

步骤1:识别雨季/非雨季:真/假

df_new <- df[-1,] %>% #remove the first non-rainy observation to suit `na.locf`**
  arrange(time) %>%
  # create ind_hour to keep the time when it rained
  mutate(ind_hour = ifelse (dp != 0, format(as.POSIXct(time) ,format = "%Y-%m-%d %H:%M:%S"), NA)) %>%
  # when it did not rain (i.e. ind_hour is NA), add an extra hour to the last known time when it rained (use na.locf to get the last time when it rained)
  mutate(ind_hour_complete = ifelse(is.na(ind_hour), (na.locf(as.POSIXct(ind_hour, format = "%Y-%m-%d %H:%M:%S", tz="GMT")) + hours(1)), time)) %>%
  # if `time` is lower or equal to the `ind_hour_complete`, then we are looking at the same episode
  mutate(same_episode = time <= ind_hour_complete) %>%
  select(-ind_hour, -ind_hour_complete) 

**注意:在以NA开头的向量中，na.locf将删除它，生成的向量的长度为(n-1)。在这里，结果将上移一行。您可以在不从df中删除第一行的情况下尝试该代码，以了解我的意思。如果需要，您可以在最后添加回第一行，使ep_number等于max(df_new$ep_number) + 1 (以确保ep_number是唯一的)。我已经完全删除了它，因为您似乎不需要它(根据您的预期输出)。

步骤2:为识别的剧集添加索引: ep_number

df_new <- setDT(df_new)[, ep_number:= rleid(same_episode)]