Question

我一直在使用相当多的代码来强调某些要求未得到满足，或者告诉我哪些条目是重复的，但我还没有弄清楚如何代码，如果没有满足要求。

我使用的是包含日期的相对平均的数据框。通常每天应该有24个条目，即每小时一个条目。但在某些情况下，这或多或少会有所不同。我需要一些可以告诉我哪个条目号/数据不满足24个条目的标准。有没有人对如何处理这个有任何建议？

我已经附上了我迄今为止用过的代码示例（以完成其他功能）。

td_1 <- read.csv("testdata_1.csv", header=TRUE)
td_1$OB_DATE <- as.Date(td_1$OB_DATE)

valueMissing <- seq(min(td_1$OB_DATE), max(td_1$OB_DATE), by = 1) 
valueMissing[!valueMissing %in% td_1$OB_DATE] 

countDup <- anyDuplicated(td_1$OB_DATE)
valueDup <- td1[duplicated(td_1$OB_DATE),]

下面是一个数据示例（请注意，实际上有超过500,000行，这只是一个小样本）

OB_DATE             AIR_TEMPERATURE
09/05/1973 00:00    10
09/05/1973 01:00    10.2
09/05/1973 02:00    10
09/05/1973 03:00    10
09/05/1973 04:00    9.9
09/05/1973 05:00    9.9
09/05/1973 06:00    10.2
09/05/1973 07:00    10.8
09/05/1973 08:00    12.2
09/05/1973 09:00    11.9
09/05/1973 10:00    12.7
09/05/1973 11:00    12.8
09/05/1973 12:00    13.4
09/05/1973 13:00    13.9
09/05/1973 14:00    14.6
09/05/1973 15:00    13.5
09/05/1973 16:00    13.5
09/05/1973 17:00    12.8
09/05/1973 18:00    12.2
09/05/1973 19:00    11.9
09/05/1973 20:00    11
09/05/1973 21:00    10.3
09/05/1973 22:00    10.2
09/05/1973 23:00    10
10/05/1973 00:00    10
10/05/1973 01:00    9.8
10/05/1973 02:00    9.6
10/05/1973 03:00    9.7
10/05/1973 04:00    9.5
10/05/1973 05:00    8.5
10/05/1973 06:00    7.5
10/05/1973 07:00    7.8
10/05/1973 08:00    8.8
10/05/1973 09:00    9.6
10/05/1973 10:00    10
10/05/1973 11:00    11
10/05/1973 12:00    8
10/05/1973 13:00    10.3
10/05/1973 14:00    12.2
10/05/1973 15:00    12.7
10/05/1973 16:00    12.7
10/05/1973 17:00    12.4
10/05/1973 17:00    12.4
10/05/1973 18:00    12
10/05/1973 18:00    12
10/05/1973 19:00    10.9
10/05/1973 20:00    9.4
10/05/1973 21:00    7.2
10/05/1973 22:00    6.7
10/05/1973 23:00    6.8
11/05/1973 00:00    5.7
11/05/1973 01:00    5.2
11/05/1973 02:00    4.7
11/05/1973 03:00    4.3
11/05/1973 04:00    4
11/05/1973 05:00    4.2
11/05/1973 06:00    5
11/05/1973 08:00    8.4
11/05/1973 09:00    9.2
11/05/1973 10:00    10.8
11/05/1973 11:00    11.7
11/05/1973 12:00    11.4
11/05/1973 13:00    12.9
11/05/1973 14:00    13.3
11/05/1973 15:00    13.3
11/05/1973 16:00    13.5
11/05/1973 17:00    13.6
11/05/1973 18:00    12.6
11/05/1973 19:00    11.8
11/05/1973 20:00    10.3
11/05/1973 21:00    9.7
11/05/1973 22:00    8.8
11/05/1973 23:00    7.6

在这种情况下，第10个数据完成24个条目，但是第11个数据只有26个条目，第12个条目有23个条目。我需要能够提醒我这个事实的东西，例如：给出日期11/05/1973和12/05/1973（类似于我为缺失值代码生成的输出）。

Answer 1

我们可以使用data.table

library(data.table)
setDT(df)[,  new := as.integer(.N==24), by = .(Date=as.IDate(OB_DATE, "%m/%d/%Y %H:%M"))]
head(df)
#            OB_DATE AIR_TEMPERATURE new
#1: 09/05/1973 00:00            10.0   1
#2: 09/05/1973 01:00            10.2   1
#3: 09/05/1973 02:00            10.0   1
#4: 09/05/1973 03:00            10.0   1
#5: 09/05/1973 04:00             9.9   1
#6: 09/05/1973 05:00             9.9   1

Answer 2

使用dplyr，

library(dplyr)
df %>% 
  group_by(dates = gsub('\\s+.*', '', OB_DATE)) %>% 
  summarise(new = n())
# A tibble: 3 × 2
#       dates   new
#       <chr> <int>
#1 1973-09-05    24
#2 1973-10-05    26
#3 1973-11-05    23

或类似地你可以做类似的事情，

df %>% 
 group_by(dates = gsub('\\s+.*', '', OB_DATE)) %>% 
 mutate(new = ifelse(n() == 24, 0, 1)) #Will give value of 1 to dates that don't satisfy the 24 criterion 
 select(-dates)

如果未满足要求则标记

2 个答案: