r语言 - 如何替换" for"循环和 if/else if 语句？提取数据表单数据框

Question

我在R中处理由时间和降水数据组成的数据框（超过3 000 000个值，每分钟测量）

我想提取所有"降水事件"，这些事件实际上是下雨时的所有时刻（dp ！= 0，但也包括可能下雨的中断，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框中，并带有附加列，其中包含每个剧集的数量。第一场雨 - 1，第二次 - 2....

"降水事件"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)

我使用 for 循环和（很多）if 条件创建了一个函数，我希望这能很好地代表我的意图。它目前运行不佳 - 仍在寻找原因。

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，输出与我粘贴的输出相同，但使用不同的（更好）方法？

我还想知道为什么我的函数不起作用。

Answer 1

这可能有效：

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

第 1 步：识别下雨/不下雨的情节：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，并且生成的向量将具有长度(n-1) 。在这里，结果将向上移动一行。您可以在不从df中删除第一行的情况下尝试代码，以了解我的意思。如果需要，您可以在最后添加第一行，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）。

第 2 步：为已识别的剧集添加索引：ep_number

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