5

我有一个相当大的数据框，其中有一列 POSIXct 日期时间（约 10 年的每小时数据）。我会标记当天属于夏令时的所有行。例如，如果夏令时从 '2000-04-02 03:00:00' (DOY=93) 开始，我希望可以标记 DOY=93 的前两个小时。虽然我是 dplyr 的新手，但我会尽可能多地使用这个包并尽可能避免for-loops

例如：

library(lubridate)
sd = ymd('2000-01-01',tz="America/Denver")
ed = ymd('2005-12-31',tz="America/Denver")
span = data.frame(date=seq(from=sd,to=ed, by="hour"))
span$YEAR = year(span$date)
span$DOY = yday(span$date)
span$DLS = dst(span$date)

为了找到一年中应用夏令时的不同日子，我使用 dplyr

library(dplyr)
limits = span %.% group_by(YEAR) %.% summarise(minDOY=min(DOY[DLS]),maxDOY=max(DOY[DLS]))

这给了

      YEAR minDOY maxDOY
    1 2000     93    303
    2 2001     91    301
    3 2002     97    300
    4 2003     96    299
    5 2004     95    305
    6 2005     93    303

现在我将在不使用低效的 for-loop的情况下将上述结果“管道”到span数据帧中。

解决方案 1

在@aosmith 的帮助下，只需两个命令即可解决问题（并避免使用“解决方案 2”中的 inner_join）：

 limits = span %>% group_by(YEAR) %>% mutate(minDOY=min(DOY[DLS]),maxDOY=max(DOY[DLS]),CHECK=FALSE)

 limits$CHECK[(limits2$DOY >= limits$minDOY) & (limits$DOY <= limits$maxDOY) ] = TRUE

解决方案 2

在@beetroot 和@matthew-plourde 的帮助下，问题已经解决：缺少内部连接：

limits = span %>% group_by(YEAR) %>% summarise(minDOY=min(DOY[DLS]),maxDOY=max(DOY[DLS])) %>% inner_join(span, by='YEAR')

然后我添加了一个新列 (CHECK) 来填充夏令时的正确值

limits$CHECK = FALSE
limits$CHECK[(limits$DOY >= limits$minDOY) & (limits$DOY <= limits$maxDOY) ] = TRUE
4

3 回答 3

13

正如@beetroot 在评论中指出的那样，您可以通过加入来完成此操作：

limits = span %>% 
   group_by(YEAR) %>% 
   summarise(minDOY=min(DOY[DLS]),maxDOY=max(DOY[DLS])) %>%
   inner_join(span, by='YEAR')
#    YEAR minDOY maxDOY                date DOY   DLS
# 1  2000     93    303 2000-01-01 00:00:00   1 FALSE
# 2  2000     93    303 2000-01-01 01:00:00   1 FALSE
# 3  2000     93    303 2000-01-01 02:00:00   1 FALSE
# 4  2000     93    303 2000-01-01 03:00:00   1 FALSE
# 5  2000     93    303 2000-01-01 04:00:00   1 FALSE
# 6  2000     93    303 2000-01-01 05:00:00   1 FALSE
# 7  2000     93    303 2000-01-01 06:00:00   1 FALSE
# 8  2000     93    303 2000-01-01 07:00:00   1 FALSE
# 9  2000     93    303 2000-01-01 08:00:00   1 FALSE
# 10 2000     93    303 2000-01-01 09:00:00   1 FALSE
于 2014-08-12T14:24:16.323 回答
3

dplyr 是一个很棒的工具，但在这种情况下，我不确定它是否最适合这项工作。这完成了您的任务：

span$CHECK <- ave(dst(span$date), as.Date(span$date, tz = tz(span$date)), FUN = any)

我认为ave这个函数的名字很糟糕，但如果你记得它存在，当你想将摘要加入到它来自的 data.frame 时，它​​通常非常有用。

于 2014-08-12T15:38:49.227 回答
1

正如@aosmith 所建议的，完成工作的最佳解决方案是。

limits = span %>% group_by(YEAR) %>% mutate(minDOY=min(DOY[DLS]),maxDOY=max(DOY[DLS]),CHECK=FALSE)

limits$CHECK[(limits2$DOY >= limits$minDOY) & (limits$DOY <= limits$maxDOY) ] = TRUE

使用 ave 函数是一个不错的选择，但我个人更喜欢坚持使用 'dplyr' 包。

于 2014-08-16T11:04:40.083 回答