r - 如何在 R 中重新排序数据，并为数据创建新变量？

Question

我一直在使用 CDC FluView 数据集，通过以下代码检索:

    library(cdcfluview)
    library(ggplot2)
    usflu <- get_flu_data("national", "ilinet", years=1998:2015)

我想做的是创建一个新的周变量，将其命名为“week_new”，以便该数据集中的 WEEK 变量被重新排序。我想通过让每年的第一周等于第 30 周来重新排序。例如，在 1998 年，我希望第 30 周对应于该年的第一周，而不是第 1 周对应于该年的第一周，并且此后的每个后续年份都具有相同的比例。我还试图创建另一个名为“季节”的新变量，它只是将每周放入相应的流感季节，例如“1998-1999”代表 1998 年到 1999 年的第 30 周，依此类推。

我相信这涉及到 for 循环和条件语句，但我不熟悉如何在 R 中使用这些。我是编程新手，同时正在学习 Java 和 R，并且只使用过循环Java 到目前为止。

这是我到目前为止所尝试过的，我认为应该是这样的:

    wk_num <- 1
    for(i in nrow(usflu)){
      if(week == 31){
        wk_num <- 1
        wk_new[i] <- wk_num
        wk_num <- wk_num+1
        }
      if(week < 53){
        season[i] <- paste(Yr[i], '-', Yr[i] +1)
      }
      else{
      }

非常感谢任何帮助，希望我的要求是有意义的。我希望了解 future 的重新排序，因为我相信它将成为我在 R 中进行编码的重要工具。

Answer 1

这是使用 dplyr 和 tidyr 包实现此目的的一种方法:

library(dplyr)
library(tidyr)

usflu_df <- tbl_df(usflu)

usflu_df %>%
  complete(YEAR, WEEK) %>%
  filter(!(YEAR == 1998 & WEEK < 30)) %>%
  mutate(season = cumsum(WEEK == 30),
         season_nm = paste(1997 + season, 1998 + season, sep = "-")) %>%
  group_by(season) %>%
  mutate(new_wk = seq_along(season)) %>%
  select(YEAR, WEEK, new_wk, season, season_nm)

#     YEAR  WEEK new_wk season season_nm
#    (int) (int)  (int)  (int)     (chr)
# 1   1998    30      1      1 1998-1999
# 2   1998    31      2      1 1998-1999
# 3   1998    32      3      1 1998-1999
# 4   1998    33      4      1 1998-1999
# 5   1998    34      5      1 1998-1999
# 6   1998    35      6      1 1998-1999
# 7   1998    36      7      1 1998-1999
# 8   1998    37      8      1 1998-1999
# 9   1998    38      9      1 1998-1999
# 10  1998    39     10      1 1998-1999

谈论这个...

首先，使用tidyr::complete将隐式缺失值转换为显式缺失值——拉回的原始数据没有1998年的所有星期。接下来，过滤 删除 1998 年以来的无关记录，即 1998 年之前一周和第 30 周的任何记录，以使我们的生活更轻松。然后，我们通过 cumsum 和一个简单的 paste 函数创建两个新变量，season 和 season_nm。 season 只要遇到 WEEK == 30 就会简单地增加——由于闰年，这很有用。然后我们 group_by season 以便我们可以 seq_along season 创建 new_wk 变量。