Question

我有两个数据框，第一个数据框跨越3个月，每2.5分钟记录一次深度。

shark depth temperature   datetime    date      location
A     49.5  26.2   20/03/2018 08:00 20/03/2018    SS04
A     49.5  25.3   20/03/2018 08:02 20/03/2018    SS04
A     53.0  24.2   20/03/2018 08:04 20/03/2018    SS04
A     39.5  26.5   20/03/2018 08:32 20/03/2018    Absent
A     43.0  26.2   21/03/2018 09:10 21/03/2018    Absent
A     44.5  26.5   21/03/2018 10:18 21/03/2018    SS04

我有第二个数据框，其中列出了这三个月的潮汐状态。

   date    time  depth  tide_state   datetime
18/03/2018 02:33  2.09  High    20/03/2018 02:33
18/03/2018 08:39  0.45   Low    20/03/2018 08:39
18/03/2018 14:47  2.14  High    20/03/2018 14:47
18/03/2018 20:54  0.41   Low    20/03/2018 20:54
19/03/2018 03:01  2.13  High    21/03/2019 03:01
19/03/2018 09:09  0.41   Low    21/03/2019 09:09

我想创建一个新的数据集，该数据集将基于每个数据集中的datetime列为所有数据值插入潮汐状态。例如，如果低潮是在08:39，高潮是在14:47，我希望df1中的每个大于08:39但小于14:47的值都记录为“低”，此后的值在下一个低潮达到“高”之前。

随着潮汐时间每天变化三到四次，我不太确定如何将它们合并到R中。我不确定是否有简单的方法可以使用数据来完成此任务。桌子？

每个数据帧中的两个datetime列都设置为POSIXct值。

理想情况下，我想生成一个这样的数据帧表：

shark depth temperature   datetime    date    location tide_state
A     49.5  26.2   20/03/2018 08:00 20/03/2018  SS04     High
A     49.5  25.3   20/03/2018 08:02 20/03/2018  SS04     High
A     53.0  24.2   20/03/2018 08:04 20/03/2018  SS04     High
A     39.5  26.5   20/03/2018 08:32 20/03/2018  Absent   Low
A     43.0  26.2   20/03/2018 09:10 21/03/2018  Absent   Low  
A     44.5  26.5   20/03/2018 10:18 21/03/2018  SS04     Low

Answer 1

如果数据大得多或联接更加复杂，我建议使用SQL或data.table进行非等额联接。对于这种大小的数据，您只需要“ table2中的最新值”，我们可以在dplyr中使用一种更简单的方法，我希望它会很快。

# First some housekeeping. It will be useful to have datetimes for sorting
library(dplyr)
df1   <- df1   %>% mutate(datetime = lubridate::dmy_hm(datetime))
tides <- tides %>% mutate(datetime = lubridate::dmy_hm(datetime))

# I collate the two tables, sort by datetime, fill in the tide info, and then remove the tide rows.
df1 %>%
  bind_rows(tides %>% 
     select(datetime, tide_state, tide_depth = depth) %>%
     mutate(tide_row_to_cut = TRUE)) %>%      # EDIT
  arrange(datetime) %>%
  tidyr::fill(tide_depth, tide_state) %>%
  filter(!tide_row_to_cut) %>%                # EDIT
  select(-tide_row_to_cut)                    # EDIT

编辑：使用Temperature中的NA来剪除tide行的先前版本不适用于原始海报，因此我在潮汐数据中添加了一个明确的列，名为tide_row_to_cut使修剪步骤更可靠。

  shark depth temperature            datetime       date location tide_state tide_depth
1     A  49.5        26.2 2018-03-20 08:00:00 20/03/2018     SS04       High       2.09
2     A  49.5        25.3 2018-03-20 08:02:00 20/03/2018     SS04       High       2.09
3     A  53.0        24.2 2018-03-20 08:04:00 20/03/2018     SS04       High       2.09
4     A  39.5        26.5 2018-03-20 08:32:00 20/03/2018   Absent       High       2.09
5     A  43.0        26.2 2018-03-21 09:10:00 21/03/2018   Absent        Low       0.41
6     A  44.5        26.5 2018-03-21 10:18:00 21/03/2018     SS04        Low       0.41

我相信这是按照指示进行的，但是与请求的输出略有不同，因为在08:32读数后几分钟，在08:39发生了低潮。那时的潮汐将很低，但尚未达到最高潮。您可能要寻找“最近”的潮汐。一种方法是将潮汐时间中途移回先前的潮汐，或固定时间（例如2小时？）。

匹配两个数据集之间的多个变化时间段

1 个答案: