在列表中作为R中的数据框的元素进行操作

Question

我有一个ID和一个事件发生日期列表的时间序列。我想知道在我的时间序列中某个特定日期发生了多少次事件。

下面是一个示例数据框：

ID <- c(1,1,1,2,2,2,3,3,3) 
date <- c(2000,2001,2002) 
df <- data.frame(ID,date) 

rand1 <- c(runif(5)*4+1999) 
rand2 <- c(runif(6)*4+1999) 
rand3 <- c(runif(100)*4+1999) 

df$events <- list(rand1, rand1, rand1, rand2, rand2, rand2,rand3, rand3, rand3) 

此代码正确地解决我的问题：

for (i in c(1:9)){ 
    print(i) 
    df[i,]$past <- sum(df[i,]$events[[1]] < df[i,]$date) 
} 

但似乎疯狂低效通过数据帧去一行行。我的真实数据集有400万行，所以我需要一些更明智的东西。

这是我第一次尝试：我不确定它到底在做什么，但它最终创建了df $ past2的所有元素作为某个整数。

df$past2 <- sum(df$events[[1]] < df$date) 

得到的DF：

ID date  events past past2 
<dbl> <dbl>  <list> <dbl> <int> 
1 2000  <dbl [5]> 3  6 
1 2001  <dbl [5]> 3  6 
1 2002  <dbl [5]> 4  6 
2 2000  <dbl [6]> 0  6 
2 2001  <dbl [6]> 3  6 
2 2002  <dbl [6]> 5  6 
3 2000 <dbl [100]> 26  6 
3 2001 <dbl [100]> 55  6 
3 2002 <dbl [100]> 74  6 

所以，

1）什么是我的计算真正在做什么？

2）有没有办法对列表中的数据框的元素进行这种操作，而不是逐行进行？

谢谢。

Answer 1

您的df $ past2的问题是df$events[[1]]总是返回df[1,]$df$events[[1]]。

一个解决问题的方法是将您的数据帧中的每一行分成列表，并lapply使用：

df$past2 = unlist(lapply(split(df,seq(nrow(df))),function(x) sum(x$events[[1]]< x$date))) 

然而，因为有一些数据操纵，我不知道，这是非常有效的与一个400万行的数据帧。您可能需要查看data.table或dplyr以查找更有效的解决方案。

Answer 2

您可以使用tidyr::unnest()为每个事件创建一行，然后使用dplyr::filter()来处理发生在感兴趣日期之后的事件。

Answer 3

1）您的计算返回事件列表的FIRST值小于日期列中的值的行数，然后将整个列设置为此值。括号中的表达式返回TRUE或FALSE，当您拨打sum()时，表达式将被解释为 1或0。例如sum(TRUE, TRUE, FALSE)返回2。

2）使用tidyr::unnest()功能以及从dplyr包的功能，你可以做到以下几点：

df2 <- df %>% 
    unnest(events) %>% 
    group_by(ID, date) %>% 
    mutate(past = if_else(events < date, 1, 0)) %>% 
    summarize(past2 = sum(past))