R -基于排序偏好分解覆盖区域数据

我在英国的地方政府有4G移动覆盖，按地理覆盖面积的百分比计算(大约200个地区)。我想分解这些数据，这样我就可以处理大约9000个较低水平的邮政编码扇区。

对我来说，最合适的方法是首先将4G地理覆盖分配到人口最密集的地区，因为这最能代表移动运营商将如何投资市场。人口最少的地区最终将没有覆盖。然而，我正在努力解决如何在R中做到这一点。

我有一个数据帧，看起来像这样的邮编扇区数据(我在这里使用假设的数据):

Name      pcd.sect  pop    area pop.dens  rank  
Cambridge   1      5546    0.6   8341      1     
Cambridge   2      7153    1.1   5970      2     
Cambridge   3      5621    2.3   5289      3     
Cambridge   4      10403   4.3   4361      4     
Cambridge   5      14796   4.2   3495      5     
...

然后，我将汇总的地方当局数据放在每一行(加上右边的三列):

Name      pcd.sect  pop    area pop.dens  rank  LA.4G  LA.area   LA.4G(km2)
Cambridge   1      5546    0.6   8341      1     58     140        82
Cambridge   2      7153    1.1   5970      2     58     140        82  
Cambridge   3      5621    2.3   5289      3     58     140        82
Cambridge   4      10403   4.3   4361      4     58     140        82
Cambridge   5      14796   4.2   3495      5     58     140        82  
...

我必须缩短标题，所以让我更详细地解释它们:

名称-本地机构名称
pcd。sector -邮政编码扇区(即较低一级单位)
pop -邮政编码扇区的人口
area -邮政编码区面积(单位为km2)
pop.dens -是以每平方公里为单位的邮政编码区人口密度
rank -基于每个地方当局的人口密度的邮政编码部门排名
。4G -使用4G
。area—每个地方当局的area列之和
LA.4G(km2) -在每个地方当局内4G覆盖的平方公里数

以剑桥为例，整个地方政府的4G覆盖率为58%。然后，我想分解这个数字，以实现4G覆盖各个邮政编码部门。

理想情况下，数据最终看起来像这样，有一个额外的列用于邮政编码扇区覆盖:

Name      pcd.sect  ...     pcd.sector.coverage (%)
Cambridge   1       ...         100
Cambridge   2       ...         100
Cambridge   3       ...         100
Cambridge   4       ...         34
Cambridge   5       ...         0
...        ...      ...         ...

我如何让R根据区域列将这82平方公里(58%的地理覆盖率)分配给邮政编码扇区的新列，然后在达到最大覆盖水平82平方公里(58%的地理覆盖率)时停止?

我是这样理解这个问题的。如果这不是你的意思，请纠正我。假设您有以下数据:

dat <- data.frame(
  Name = "A", pcd.sector = 1:5,
  area = c(2, 3, 1, 5, 3), 
  areaSum = 14, LA.4G = 8
)
dat
#  Name pcd.sector area areaSum LA.4G
#1    A          1    2      14     8
#2    A          2    3      14     8
#3    A          3    1      14     8
#4    A          4    5      14     8
#5    A          5    3      14     8

你有五个扇区，有不同的区域。虽然这些地区总共有14个，但只有8个覆盖了4G。您想要从扇区1到5分配区域。

下面的代码完成这项工作。我使用cumsum函数来计算从顶部扇区开始的区域的累积和，这受到4G覆盖限制的限制。分配面积可通过diff函数计算，该函数取矢量的一步差。1到3区100%覆盖，总共6个区域，只剩下2个。虽然第4区有5个区域，但它只能享受2个，即40%。这会耗尽所有的区域，没有任何东西留给扇区5。

dat$area_allocated <- diff(c(0, pmin(cumsum(dat$area), dat$LA.4G)))
dat$area_coverage  <- dat$area_allocated / dat$area * 100
dat
#   Name pcd.sector area areaSum LA.4G area_allocated area_coverage
# 1    A          1    2      14     8              2           100
# 2    A          2    3      14     8              3           100
# 3    A          3    1      14     8              1           100
# 4    A          4    5      14     8              2            40
# 5    A          5    3      14     8              0             0

如果您有很多区域，那么您可能需要使用dplyr::group_by函数。

dat <- rbind(
  data.frame(
    Name = "A", pcd.sector = 1:5,
    area = c(2, 3, 1, 5, 3), 
    areaSum = 14, LA.4G = 8
  ),
  data.frame(
    Name = "B", pcd.sector = 1:3,
    area = c(4, 3, 2), 
    areaSum = 9, LA.4G = 5
  )
)
library(dplyr)
dat <- dat %>% group_by(Name) %>% 
  mutate(area_allocated = diff(c(0, pmin(cumsum(area), LA.4G)))) %>%
  mutate(area_coverage = area_allocated / area * 100)
dat
#     Name pcd.sector  area areaSum LA.4G area_allocated area_coverage
#   <fctr>      <int> <dbl>   <dbl> <dbl>          <dbl>         <dbl>
# 1      A          1     2      14     8              2     100.00000
# 2      A          2     3      14     8              3     100.00000
# 3      A          3     1      14     8              1     100.00000
# 4      A          4     5      14     8              2      40.00000
# 5      A          5     3      14     8              0       0.00000
# 6      B          1     4       9     5              4     100.00000
# 7      B          2     3       9     5              1      33.33333
# 8      B          3     2       9     5              0       0.00000

相关内容

最新更新

热门标签：