R - 操作时间序列数据

Question

我有一个时间序列数据集，其中包含超过 200,000 个研究单位的 30 年年度值，所有这些研究单位都以“健康==1”的相同值开始，并且可以过渡到 3 个类别 - 'exposed==2'，'infected= =3' 和 '恢复==4'; 一些单位在整个时间序列中也保持“健康”。 数据集为长格式。

我想操纵每个单元保留所有 30 年的数据集，但崩溃为仅“heathy==1”和“infected==3”，即我会将“exposed==2”分类为“healthy==1”和第一次“健康”单元被“感染==3”，它在剩余的时间序列中仍然被感染，即使它可能再次“恢复==4”/改变 state（被感染并再次恢复）。 永远不会过渡到另一个 class 的健康单元将在整个时间序列中保持分类为健康。

我对如何在 r 中编写代码感到困惑； 任何想法将不胜感激

两个单位的数据集示例； 一个在整个时间序列中保持健康，另一个有多个过渡。

            UID annual_change_val year
1      control1                 1 1990
4      control1                 1 1991
5      control1                 1 1992
7      control1                 1 1993
9      control1                 1 1994
12     control1                 1 1995
13     control1                 1 1996
16     control1                 1 1997
18     control1                 1 1998
20     control1                 1 1999
22     control1                 1 2000
24     control1                 1 2001
26     control1                 1 2002
28     control1                 1 2003
30     control1                 1 2004
31     control1                 1 2005
33     control1                 1 2006
35     control1                 1 2007
38     control1                 1 2008
40     control1                 1 2009
42     control1                 1 2010
44     control1                 1 2011
46     control1                 1 2012
48     control1                 1 2013
50     control1                 1 2014
52     control1                 1 2015
53     control1                 1 2016
55     control1                 1 2017
57     control1                 1 2018
59     control1                 1 2019
61     control1                 1 2020
2  control64167                 1 1990
3  control64167                 1 1991
6  control64167                 1 1992
8  control64167                 2 1993
10 control64167                 2 1994
11 control64167                 2 1995
14 control64167                 2 1996
15 control64167                 2 1997
17 control64167                 3 1998
19 control64167                 3 1999
21 control64167                 4 2000
23 control64167                 4 2001
25 control64167                 4 2002
27 control64167                 4 2003
29 control64167                 3 2004
32 control64167                 4 2005
34 control64167                 4 2006
36 control64167                 4 2007
37 control64167                 4 2008
39 control64167                 4 2009
41 control64167                 4 2010
43 control64167                 4 2011
45 control64167                 4 2012
47 control64167                 4 2013
49 control64167                 4 2014
51 control64167                 4 2015
54 control64167                 4 2016
56 control64167                 4 2017
58 control64167                 4 2018
60 control64167                 4 2019
62 control64167                 4 2020

Answer 1

如果出于某种原因你只想使用 base R，

df$annual_change_val[df$annual_change_val == 2] <- 1
df$annual_change_val[df$annual_change_val == 4] <- 3

第一行的意思是：从 ( $ ) dataframe df中取出annual_change_val列，对其进行子集化 ( [ )，这样您只剩下等于 2 的值，然后将 ( <- ) 重新分配给那些值为 1 的值。 第二行也是如此。

Answer 2

更新，基于评论/澄清。

在这里，我像以前一样替换值，然后我创建一个名为max_inf的临时变量，它保存 UID 被“感染”的最大年份 (status=3)。 然后，我将超过该年（在 UID 内）的任何年份的状态替换为 3。

d %>%
  mutate(status = if_else(annual_change_val %in% c(1,2),1,3)) %>% 
  group_by(UID) %>% 
  mutate(max_inf = max(year[which(status==3)],na.rm=T),
         status = if_else(!is.na(max_inf) & year>max_inf & status==1,3,status)) %>% 
  select(!max_inf)

正如 Andrea 在评论中提到的，您可以简单地将值从 2 更改为 1，从 4 更改为 3。 如果d是你的数据，那么

library(dplyr)
d %>% mutate(status = if_else(annual_change_val %in% c(1,2),1,3))             

library(data.table)
setDT(d)[, status:=fifelse(annual_change_val %in% c(1,2),1,3)]