我有一個日常遙感資料的資料集。簡而言之，它是過去 20 年的反射率（值介于 0 和 1 之間）。因為它是遙感資料，所以有些日期因為云或其他障礙而沒有價值。
我想在 R 的 zoo 包中使用 rollapply() 來檢測時間序列中值何時保持在 1.0 一定時間（假設為 2 周）或在相同時間內保持在 0。
我有代碼可以做到這一點，但是 rollapply() 函式中的 width 引數（上一段中提到的 2 周閾值）著眼于資料點而不是時間。因此，它查看 14 個資料值而不是 14 天，由于云覆寫等缺少資料值，這可能會跨越一個月。
下面是一個例子：
test_data <- data.frame(date = c("2000-01-01", "2000-01-02", "2000-01-03", "2000-01-17", "2000-01-18"),
value = c(0, 1, 1, 1, 0))
test_data$date <- ymd(test_data$date)
select_first_1_value <- test_data %>%
mutate(value = rollapply(value, width = 3, min, align = "left", fill = NA, na.rm = TRUE)) %>%
filter(value == 1) %>%
filter(row_number() == 1) %>%
ungroup
引數為 width = 3 時，它可以作業。它發現 2000-01-02 是第一個出現值 = 1 的日期，至少有 3 個值。但是，如果我將其更改為 14，它將不再起作用，因為在此實體中它只看到 5 個值。即使我寫出另外 10 個等于 1 的值（總共 15 個），這也是不正確的，因為 2000-01-18 的值 = 0，并且它只計算資料點而不是日期。
但是當我們查看日期時，會發現 2000-01-03 和 2000-01-17 之間缺少日期。如果兩者都是值 = 1，那么我想提取 2000-01-02 作為第一個實體，其中時間序列至少連續 14 天保持為 1。在這里，我假設缺失天數的值為 1。
任何幫助是極大的贊賞。謝謝你。
uj5u.com熱心網友回復：
這里確實有兩個問題：
- 如何按日期而不是點數滾動。
- 假設缺失的日期是 1，如何找到 1 的第一個 14 天。
請注意，（2）不容易通過（1）解決，因為第一個系列的開始可能不是任何列出的日期！例如，假設我們將第一個日期更改為 1999 年 12 月 1 日，test_data2如下所示。那么第一個 14 個時期的開始是 1999 年 12 月 2 日。它不是test_data2系列中的任何日期。
test_data2 <- data.frame(
date = c("1999-12-01", "2000-01-02", "2000-01-03", "2000-01-17", "2000-01-18"),
value = c(0, 1, 1, 1, 0))
1）我們需要做的不是按日期滾動，而是擴展系列以填補缺失的日期zz，然后使用rollapply. 下面通過創建一個動物園系列（它還將日期轉換為 Date 類）然后將其轉換為 ts 類來做到這一點。因為 ts 類只能表示規則間隔的系列，轉換將填充缺失的日期并為它們提供 NA 值。我們可以用 1 填充它們，然后使用 Date 類索引轉換回動物園。
library(zoo)
z <- read.zoo(test_data2)
zz <- z |> as.ts() |> na.fill(1) |> as.zoo() |> aggregate(as.Date)
r <- rollapply(zz, 14, min, na.rm = TRUE, partial = TRUE, align = "left")
time(r)[which(r == 1)[1]]
## [1] "1999-12-02"
2）解決這個根本不涉及的另一種方法rollapply是使用rle. zz從上面使用
ok <- with(rle(coredata(zz)), rep(lengths >= 14 & values == 1, lengths))
tt[which(ok)[1]]
## [1] "1999-12-02"
3）另一種不使用 rollapply 的方法是提取 0 值行，然后僅保留與下一個 0 值行相差超過 14 天的那些行。最后取第一個這樣的行并在它之后的一天使用日期。
library(dplyr)
test_data %>%
mutate(date = as.Date(date)) %>%
filter(value == 0) %>%
mutate(diff = as.numeric(lead(date) - date)) %>%
filter(diff > 14) %>%
head(1) %>%
mutate(date = date 1)
## date value diff
## 1 2000-01-02 0 17
滾動應用日期而不是積分
4）這個問題還討論了使用rollapply過日期而不是我們在這里解決的點。如上所述，這實際上并沒有解決找到第一個超過 14 個的問題，因此我們展示了如何找到系列中的第一個日期，該日期開始至少 14 個。通常，我們通過首先計算寬度向量然后rollapply以通常的方式使用這些寬度而不是使用標量寬度來做到這一點。回到test_data問題：
# using test_data from question
tt <- as.Date(test_data$date)
w <- findInterval(tt 13, tt, rightmost.closed = TRUE) - seq_along(tt) 1
r <- rollapply(test_data$value, w, min, fill = NA, na.rm = TRUE, align = "left")
tt[which(r == 1)[1]]
## [1] "2000-01-02"
還有更多的例子?rollapply展示了如何按時間而不是點數滾動。
sqldf
5)解決在系列中找到前 14 個以上帶有日期的問題的一種完全不同的方法是使用 SQL 自聯接。它將test別名的第一個實體連接a到第二個實體b，將指定日期范圍內的所有 b 關聯起來，并min14使用這些最小值創建新列中的最小值。然后having子句只保留那些min14為 1 的行，并且limit子句保留第一行。然后我們保留date在最后。
library(sqldf)
test <- transform(test_data, date = as.Date(date))
sqldf("select a.*, min(b.value) min14
from test a
left join test b on b.date between a.date and a.date 13
group by a.rowid
having min14 = 1
limit 1")$date
## [1] "2000-01-02"
uj5u.com熱心網友回復：
你可以看看到runner包，您可以通過k為天/周等看到這個例子，來sum的過去的3天value。
library(dplyr)
library(runner)
test_data %>%
mutate(date = as.Date(date),
sum_val = runner(value, k = "3 days", idx = date, f = sum))
# date value sum_val
#1 2000-01-01 0 0
#2 2000-01-02 1 1
#3 2000-01-03 1 2
#4 2000-01-17 1 1
#5 2000-01-18 0 1
請注意，第 4 行的值為 1（而不是 3），因為過去 3 天內只有 1 個值。
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/333110.html
下一篇：根據來自3列的資訊進行過濾