r - 在 R 中按组检查重叠开始和结束时间(当数据有 NA 时运行不正确)

Question

这是 this previous question 的跟进，但由于 NA，我在此处提供的答案中遇到了问题:

require(data.table)
ID <- c(rep(1,4), rep(3, 5), rep(4,4),rep(5,5))
Begin <- c(0,2.5,NA,3,7,8,7,25,25,10,15,0,0,1,NA,10,11,13)
End <- c(1.5,3.5,NA,6,12,8,11,29,35, 12,19,NA,28,5,20,30,20,25)
df <- data.table(ID, Begin, End)
df[, Begin_New := {
  high_so_far = shift(cummax(End), fill=Begin[1L])
  w = which(Begin < high_so_far)
  Begin[w] = high_so_far[w]
  Begin
}, by=ID]
    ID   Begin  End    Begin_New
  1:  1   0.0  1.5       0.0
  2:  1   2.5  3.5       2.5
  3:  1    NA   NA        NA
  4:  1   3.0  6.0       3.0* # <~~ it supposed 3.5
  5:  3   7.0 12.0       7.0
  6:  3   8.0  8.0      12.0
  7:  3   7.0 11.0      12.0
  8:  3  25.0 29.0      25.0
  9:  3  25.0 35.0      29.0
 10:  4  10.0 12.0      10.0
 11:  4  15.0 19.0      15.0
 12:  4   0.0   NA      19.0
 13:  4   0.0 28.0       0.0* # <~~ it's supposed 19.0
 14:  5   1.0  5.0       1.0
 15:  5    NA 20.0        NA
 16:  5  10.0 30.0      20.0
 17:  5  11.0 20.0      30.0
 18:  5  13.0 25.0      30.0

我尝试检查重叠，如果 Begin < End，Begin_New 需要与每个 ID 之前的 End 相等，继续检查直到 Begin > End，但是当我有 End 变量的 NA 时，代码不理解，继续检查值(value)。我尝试了几个代码，但它不起作用

Answer 1

您可以在cummax 之前添加另一个步骤:

df[, Begin_New := {
  End[is.na(End)] = 0 # <- new step here
  high_so_far = shift(cummax(End), fill=Begin[1L])
  w = which(Begin < high_so_far)
  Begin[w] = high_so_far[w]
  Begin
}, by=ID][]

---

我是怎么得到这个的。为了解决这样的问题，我一次为一组运行 j

df[, if (.GRP == 1L){
  high_so_far = shift(cummax(End), fill=Begin[1L])
  print(high_so_far)
  # w = which(Begin < high_so_far)
  # Begin[w] = high_so_far[w]
  # Begin
}, by=ID][]

# 0.0 1.5 3.5  NA

所以我可以看到这就是问题发生的地方，并通过阅读 ?cummax 查看是否有 na.rm 选项来解决它。在那里没有找到，我可以考虑在此步骤之前或之后可以采取哪些其他步骤来骗取所需的结果。

如果我在这一步没有发现问题，那么我可以逐渐取消注释后面的行并添加更多的 print 语句。或者我可以将 .GRP==1 更改为其他组。正如@jangorecki 所提到的，您也可以尝试一些正确的调试方法:

you can also put browser() inside j={...} and investigate current state interactively