从满足R中条件的行中提取值

Question

数据集

我有一个大数据框架，其中包含数百万行和20多个列。 首先让我描述一下数据是什么，以便使问题更清楚。 原始数据帧包含15分钟内2169辆车的位置，速度和加速度。 每辆车都有唯一的Vehicle.ID ，即在其中观察到的时间范围的ID，即Frame.ID ，该帧中的车辆速度，即svel ，在该帧中的车辆加速度，即sacc和该车辆的类别， vehicle.class ，即1 =摩托车，2 =汽车，3 =卡车。 这些变量每隔0.1秒记录一次，即每帧为0.1秒。 这是前6行：

> dput(head(df))
structure(list(Vehicle.ID = c(2L, 2L, 2L, 2L, 2L, 2L), Frame.ID = 133:138, 
    Vehicle.class = c(2L, 2L, 2L, 2L, 2L, 2L), Lane = c(2L, 2L, 
    2L, 2L, 2L, 2L), svel = c(37.29, 37.11, 36.96, 36.83, 36.73, 
    36.64), sacc = c(0.07, 0.11, 0.15, 0.19, 0.22, 0.25)), .Names = c("Vehicle.ID", 
"Frame.ID", "Vehicle.class", "Lane", "svel", "sacc"), row.names = 7750:7755, class = "data.frame")

在15分钟的记录期内，车辆的行驶中有一些实例完全停止，即svel==0 。 这种情况持续了一些帧，然后车辆再次加速。 为了重现性，我创建一个示例数据集，如下所示：

x <- data.frame(Vehicle.ID = c(rep(10,5), rep(20,5), rep(30,5), rep(40,5), rep(50,5)),
                    vehicle.class = c(rep(2,10), rep(3,10),rep(1,5)),
                    svel = rep(c(1,0,0,0,3),5),
                    sacc = rep(c(0.3,0.001,0.001,0.002,0.5),5))

我想找到什么？

如上所述，一些车辆停止并且在一段时间内具有零速度，但随后加速以达到速度。 我想找到的加速， sacc他们有一段时间的零速度后应用（从静止位置移动）。 这意味着我应该能够看到svel==0的最后一帧之后的第一行。 在该例子中数据，这意味着车（ vehicle.class==2具有） Vehicle.ID==10有一个速度， svel等于1作为第一行中所示。 后来，它停了3帧（连续3行），然后加速到速度svel ，等于3。我希望它在这2帧（车辆10的第4和第5行，得出的是0.002）中应用加速度sacc和0.500）。 这意味着例如数据，以下应该是vehicle.class的输出：

output <- data.frame(Vehicle.ID = c(10,10,20,20,30,30,40,40,50, 50),
                     vehicle.class = c(2,2,2,2,3,3,3,3,1,1),
                     xf = rep(c('l','f'),10),
                     sacc = rep(c(0.002,0.500),5))

xf标识最后一行l ，其中svel==0而f是其后的第一行。 我已经尝试使用plyr和for loop的分裂vehicle.class但我不知道如何提取sacc 。

注意

1. xf应该是输出的一部分。 它不在给定数据中。
2. 原始数据帧df有2169辆车，有些停了下来，有些却没有停，因此并非所有车都svel==0 。
3. 停车的车辆没有同时停车。 此外， svel==0的行数是不同的车辆。

Answer 1

可能有一种更优雅的方法可以做到这一点，但这可行：

require(data.table)
x <- data.table(x)  ## much easier as data.table
x[, xf:='n']        ## create vector with 'n', neither first nor last

# create diff(svel) shifted upwards, 
# padding last observation with 0 to avoid cycling
x[, dsvel:=c(diff(svel, lag=1), 0), by=Vehicle.ID]

# svel is zero and dsvel positive at the last 0 value
x[svel==0 & dsvel > 0, xf:='l']

# there may be a better way to do this part
# get index of observation next to 'l'
# there is no risk of spilling to next Vehicle.ID,  
# because 'l' can only be second to last
i <- which(x$xf=='l') + 1
x[i, xf:='f']

那应该给你想要的xf向量。

---

从阿伦编辑：+1 @ilir，一个非常好的答案。 这是使用data.table的内置变量.I和.N的另一种方式：

idx = x[, {
            ix = tail(.I[svel==0L], 1);
            iy = (ix+1L)*((ix+1L) <= .I[.N] | NA) 
            list(idx = c(ix, iy))
          }, by = list(Vehicle.ID, vehicle.class)]$idx

您现在可以使用idx子集通过:=将l和f添加如下：

ans <- x[idx][, xf := c("l", "f")]
    Vehicle.ID vehicle.class svel  sacc xf
 1:         10             2    0 0.002  l
 2:         10             2    3 0.500  f
 3:         20             2    0 0.002  l
 4:         20             2    3 0.500  f
 5:         30             3    0 0.002  l
 6:         30             3    3 0.500  f
 7:         40             3    0 0.002  l
 8:         40             3    3 0.500  f
 9:         50             1    0 0.002  l
10:         50             1    3 0.500  f

.I包含每个组的x行号。 .N包含每个组的观察数。 请阅读?data.table了解更多信息。

ix获得0的最后一次出现。对于每个组，我们使用tail子集对应于最后0的行号。

iy通常应的下一条目= ix+1L 。 但是由于0可能是某个组的最后一个条目，因此我们通过比较(ix+1L) <= .I[.N]检查是否为(ix+1L) <= .I[.N] 。 如果是FALSE，则意味着ix是最后一个条目，因此我们必须输出NA，否则我们必须输出(ix+1L) 。

HTH。

Answer 2

我想我已经提出了一种相当优雅的方式来代表dplyr问题。 对于每辆车，我们都感兴趣的行在该行中没有停止，而是在上一行中停止了：

library(dplyr)
df <- tbl_df(data.frame(
  id = c(rep(10, 5), rep(20, 5), rep(30, 5), rep(40, 5), rep(50, 5)), 
  class = c(rep(2, 10), rep(3, 10), rep(1, 5)), 
  svel = rep(c(1, 0, 0, 0, 3), 5), 
  sacc = rep(c(0.3, 0.001, 0.001, 0.002, 0.5), 5)
))

df %.% group_by(id) %.% 
  mutate(stopped = svel == 0) %.%
  filter(lag(stopped) == TRUE, stopped == FALSE)

#> Source: local data frame [5 x 5]
#> Groups: id
#> 
#>   id class svel sacc stopped
#> 1 10     2    3  0.5   FALSE
#> 2 20     2    3  0.5   FALSE
#> 3 30     3    3  0.5   FALSE
#> 4 40     3    3  0.5   FALSE
#> 5 50     1    3  0.5   FALSE

您可以将其写得更紧凑一些

df %.% group_by(id) %.% 
  mutate(stopped = svel == 0) %.%
  filter(lag(stopped), !stopped)

#> Source: local data frame [5 x 5]
#> Groups: id
#> 
#>   id class svel sacc stopped
#> 1 10     2    3  0.5   FALSE
#> 2 20     2    3  0.5   FALSE
#> 3 30     3    3  0.5   FALSE
#> 4 40     3    3  0.5   FALSE
#> 5 50     1    3  0.5   FALSE

Answer 3

不确定我是否完全理解这个问题，但是我认为这是您的追求：

x <- data.frame(Vehicle.ID = c(rep(10,5), rep(20,5), rep(30,5), rep(40,5), rep(50,5)),
                vehicle.class = c(rep(2,10), rep(3,10),rep(1,5)),
                svel = rep(c(1,0,0,0,3),5),
                sacc = rep(c(0.3,0.001,0.001,0.002,0.5),5)
)

# find "l" rows, the last row for a given Vehicle.ID where svel==0
l <- FALSE
l[x$svel==0] <- !duplicated(x$Vehicle.ID[x$svel==0], fromLast=TRUE)
# extract all rows following an l row.
x[which(l) + 1, c(1, 2, 4)]

Answer 4

library(data.table)
x = data.table(x)
output = x[xf == "f",sacc.after.zero := sacc, by = vehicle.class]
output[!is.na(sacc.after.zero),]