替换条件语句

Question

我有一个包含年份、日期和温度测量值 (TMEAN) 的数据表 (DT):

YEAR    DATE    TMEAN
2010    2010-01-01  -5
2010    2010-01-02  -9
2010    2010-01-03  -6
2010    2010-01-04  0.1
2010    2010-01-05  -0.5
2010    2010-01-06  1
2010    2010-01-07  1.6
2010    2010-01-08  8
2010    2010-01-09  6
2010    2010-01-10  3
2010    2010-01-11  5
2010    2010-01-12  3
2011    2011-01-01  -3
2011    2011-01-02  -5.4
2011    2011-01-03  -3.6
2011    2011-01-04  0.06
2011    2011-01-05  -0.3
2011    2011-01-06  0.6
2011    2011-01-07  0.96
2011    2011-01-08  4.8
2011    2011-01-09  3.6
2011    2011-01-10  1.8
2011    2011-01-11  3
2011    2011-01-12  1.8

对于每年，我需要获得至少连续 5 天测量结果为正的第一天...

一个想法是:

for (y in min(DT$YEAR):max(DT$YEAR)) {
    for (i in 1:nrow(DT)) {
DT$test <- ifelse(DT[i, TMEAN] > 0 & DT[i+1, TMEAN] > 0 & DT[i+2, TMEAN] > 0 & DT[i+3, TMEAN] > 0 & DT[i+4, TMEAN] > 0, 1, 0)
    }
}

DT2 <- DT[test == 1, ][, list(START = min(DATE)), by = .(YEAR)]

但它 super 慢(而且不是那么优雅!)。

如何替换 for 和 ifelse 的多次使用？

Answer 1

使用“data.table”的开发版本，即。 v1.9.5，我们可以使用 rleid 在逻辑条件 TMEAN >0 上按“YEAR”创建一个“ind”列，对数据集进行子集化对于大于 4 的 nrows & TMEAN 的正值 (.SD[.N >4 & TMEAN >0]) 由 'ind' 和 'YEAR'。按 YEAR (.SD[1L]) 获取第一行并将“ind”列分配给 NULL。

 library(data.table)#v1.9.5+
 DT[, ind:= rleid(TMEAN>0) ,YEAR][, .SD[.N>4 & TMEAN>0] ,
             list(ind,YEAR)][,.SD[1L] , YEAR][, ind:=NULL][]
 #   YEAR       DATE TMEAN
 #1: 2010 2010-01-06   1.0
 #2: 2011 2011-01-06   0.6

如果 'DATE' 未排序，我们可以使用 which.min(DATE) 而不是 .SD[1L]

 DT[, ind:= rleid(TMEAN>0) ,YEAR][, .SD[.N>4 & TMEAN>0] ,
    list(ind, YEAR)][, .SD[which.min(DATE)], YEAR][, ind:=NULL][]

注意:安装开发版本的说明是here

我们还可以使用 base R 中的 rle

  DT[,  ind:=inverse.rle(within.list(rle(TMEAN >0), 
        values <- seq_along(values))), YEAR][,
       .SD[ .N >4 & TMEAN >0], list(ind, YEAR)][, 
       .SD[which.min(DATE)], YEAR][, ind:=NULL][]

 #  YEAR       DATE TMEAN
 #1: 2010 2010-01-06   1.0
 #2: 2011 2011-01-06   0.6

如果是@VLC 帖子中显示的第 5 天

 DT[,  ind:=inverse.rle(within.list(rle(TMEAN >0), 
       values <- seq_along(values))), YEAR][,
       .SD[ .N >4 & TMEAN >0], list(ind, YEAR)][
       order(DATE), .SD[5L], YEAR][,ind:=NULL][]
 #   YEAR       DATE TMEAN
 #1: 2010 2010-01-10   3.0
 #2: 2011 2011-01-10   1.8