[英]Binned physiological time series data in R: calculate duration spent in each bin
我有一个数据集,其中包含多个参与者的平均动脉血压 (MAP) 随时间的变化。 这是一个示例 dataframe:
df=structure(list(ID = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L,
2L, 2L, 2L, 2L, 2L), Time = structure(1:14, .Label = c("11:02:00",
"11:03:00", "11:04:00", "11:05:00", "11:06:00", "11:07:00", "11:08:00",
"13:30:00", "13:31:00", "13:32:00", "13:33:00", "13:34:00", "13:35:00",
"13:36:00"), class = "factor"), MAP = c(90.27999878, 84.25, 74.81999969,
80.87000275, 99.38999939, 81.51000214, 71.51000214, 90.08999634,
88.75, 84.72000122, 83.86000061, 94.18000031, 98.54000092, 51
)), class = "data.frame", row.names = c(NA, -14L))
我已将数据分组:例如 MAP 40-60、60-80、80-100,并在附加列 map_bin 中添加了一个唯一标志(1、2 或 3)。 到目前为止,这是我的代码:
library(dplyr)
#Mean Arterial Pressure
#Bin 1=40-60; Bin 2=60-80; Bin 3=80-100
map_bin=c("1","2","3")
output <- as_tibble(df) %>%
mutate(map_bin = case_when(
MAP >= 40 & MAP < 60 ~ map_bin[1],
MAP >= 60 & MAP < 80 ~ map_bin[2],
MAP >= 80 & MAP < 100 ~ map_bin[3]
))
对于我希望计算的每个 ID,在附加列中,每个 bin 中的总时间 MAP。 我期待以下 output:
ID | 时间 | MAP | 地图箱 | map_bin_dur |
---|---|---|---|---|
1个 | 11:02:00 | 90.27999878 | 3个 | 5个 |
1个 | 11:03:00 | 84.25 | 3个 | 5个 |
1个 | 11:04:00 | 74.81999969 | 2个 | 2个 |
1个 | 11:05:00 | 80.87000275 | 3个 | 5个 |
1个 | 11:06:00 | 99.38999939 | 3个 | 5个 |
1个 | 11:07:00 | 81.51000214 | 3个 | 5个 |
1个 | 11:08:00 | 71.51000214 | 2个 | 2个 |
2个 | 13:30:00 | 90.08999634 | 3个 | 6个 |
2个 | 13:31:00 | 88.75 | 3个 | 6个 |
2个 | 13:32:00 | 84.72000122 | 3个 | 6个 |
2个 | 13:33:00 | 83.86000061 | 3个 | 6个 |
2个 | 13:34:00 | 94.18000031 | 3个 | 6个 |
2个 | 13:35:00 | 98.54000092 | 3个 | 6个 |
2个 | 13:36:00 | 51 | 1个 | 1个 |
其中 map_bin_dur 是每个人的 MAP 驻留在每个垃圾箱中的时间(以分钟为单位)。 例如,ID 1 在 Bin 3 中的 MAP 总共持续了 5 分钟。
如果您始终有 1 分钟持续时间的Time
列,您可以使用add_count
-
library(dplyr)
output <- output %>% add_count(ID, map_bin, name = 'map_bin_dur')
output
# ID Time MAP map_bin map_bin_dur
# <int> <fct> <dbl> <chr> <int>
# 1 1 11:02:00 90.3 3 5
# 2 1 11:03:00 84.2 3 5
# 3 1 11:04:00 74.8 2 2
# 4 1 11:05:00 80.9 3 5
# 5 1 11:06:00 99.4 3 5
# 6 1 11:07:00 81.5 3 5
# 7 1 11:08:00 71.5 2 2
# 8 2 13:30:00 90.1 3 6
# 9 2 13:31:00 88.8 3 6
#10 2 13:32:00 84.7 3 6
#11 2 13:33:00 83.9 3 6
#12 2 13:34:00 94.2 3 6
#13 2 13:35:00 98.5 3 6
#14 2 13:36:00 51 1 1
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.