如何解决将 list-col 值分离为相对于条件的奇异值
简单说明
从长转换为宽，同时将缺失值填充为 17 的 2019 和 16 的 2010，而 2010 中的那些值与2019，然后减去他们的计划价值（即 2019-2010）。如果 2019 年没有值并且用 17 填充，则为该计划值指定一个 negative 值。同时，如果为 16 中的缺失值填充 2010，则保留计划值，positive。
这应该类似于表 2。
表 1：长格式数据帧示例
# A tibble: 10 x 4
year locality_id landcover pland
<chr> <chr> <int> <dbl>
1 2010 L452817 8 0.0968
2 2010 L452817 9 0.0323
3 2010 L452817 12 0.613
4 2010 L452817 13 0.194
5 2010 L452817 14 0.0645
6 2019 L452817 8 0.0645
7 2019 L452817 9 0.0645
8 2019 L452817 12 0.516
9 2019 L452817 13 0.194
10 2019 L452817 14 0.161
表 2：表 2 的预期格式
locality_id X2010 X2019 pland
1 L452817 8 8 -0.03225806
2 L452817 9 9 0.03225807
3 L452817 12 12 -0.09677420
4 L452817 13 13 0.00000000
5 L452817 14 14 0.09677419
6 L910180 0 17 -0.43750000
7 L910180 8 17 -0.34375000
8 L910180 9 17 -0.03125000
9 L910180 10 17 -0.03125000
10 L910180 11 17 -0.09375000
11 L910180 13 17 -0.06250000
我尝试过的：
#set the values of t inot another variable
y <- t
#remove pland from the new variable
y <- y[,-4]
#set from long to wide providing the pland differences from t as another column
y %>%
group_by(year) %>%
mutate(row = row_number()) %>%
tidyr::pivot_wider(names_from = year,values_from = landcover) %>%
select(-row) %>% mutate(across(`2010`:`2019`,~if(cur_column() == '2019')
replace_na(.x,17) else replace_na(.x,16))) %>% mutate(t[t$year %in% 2019,]$pland - t[t$year %in% 2010,]$pland)
# A tibble: 11 x 4
locality_id `2010` `2019` `t[t$year %in% 2019,]$pland`
<chr> <dbl> <dbl> <dbl>
1 L452817 8 8 -0.0323
2 L452817 9 9 0.0323
3 L452817 12 12 -0.0968
4 L452817 13 13 0
5 L452817 14 14 0.0968
6 L910180 0 17 -0.373
7 L910180 8 17 -0.279
8 L910180 9 17 0.485
9 L910180 10 17 0.162
10 L910180 11 17 0.0675
11 L910180 13 17 0.00202
我上面的代码的问题是它总是计算差异，它不应该计算由于缺失值而引入的那些值的差异，所以当有 16 或 {{1 }} 两边。
可重现的代码：
17解决方法
我没有使用虚拟变量来识别缺失，而是使用了一种不同的方法，complete 和 df 是您的原始数据结构。
df %>%
# fill in the data with missing year so we can compute while data in long format
complete(year,nesting(locality_id,landcover),fill = list(pland = 0)) %>%
arrange(desc(year)) %>%
group_by(locality_id,landcover) %>%
summarize(
X2010 = if_else(pland[year == 2010] == 0,16L,first(landcover)),X2019 = if_else(pland[year == 2019] == 0,17L,pland = pland[year == 2019] - pland[year == 2010]) %>%
arrange(locality_id,landcover)
这是输出
locality_id landcover X2010 X2019 pland
<chr> <int> <int> <int> <dbl>
1 L452817 8 8 8 -0.0323
2 L452817 9 9 9 0.0323
3 L452817 12 12 12 -0.0968
4 L452817 13 13 13 0
5 L452817 14 14 14 0.0968
6 L910180 0 0 17 -0.438
7 L910180 8 8 17 -0.344
8 L910180 9 9 17 -0.0312
9 L910180 10 10 17 -0.0312
10 L910180 11 11 17 -0.0938
11 L910180 13 13 17 -0.0625
设法弄明白了，尽管欢迎提出更好的建议，尤其是在没有警告的情况下！
#set the values of t inot another variable
y <- t
#remove pland from the new variable
y <- y[,-4]
#set from long to wide providing the pland differences from t as another column
y %>%
group_by(year) %>%
mutate(row = row_number()) %>%
tidyr::pivot_wider(names_from = year,values_from = landcover) %>%
select(-row) %>%
mutate(across(`2010`:`2019`,~if(cur_column() == '2019') replace_na(.x,17) else replace_na(.x,16))) %>%
mutate(ifelse(`2019` == `2010`,t[t$year %in% 2019,]$pland - t[t$year %in% 2010,]$pland,-t$pland))
警告信息：
1：mutate() 输入 ..1 有问题。
i 较长的物体长度不是较短物体长度的倍数
i 输入 ..1 是 ifelse(...)。
2: 在 t[t$year %in% 2019,]$pland :
较长的物体长度不是较短物体长度的倍数
# A tibble: 11 x 4
locality_id `2010` `2019` `ifelse(...)`
<chr> <dbl> <dbl> <dbl>
1 L452817 8 8 -0.0323
2 L452817 9 9 0.0323
3 L452817 12 12 -0.0968
4 L452817 13 13 0
5 L452817 14 14 0.0968
6 L910180 0 17 -0.438
7 L910180 8 17 -0.344
8 L910180 9 17 -0.0312
9 L910180 10 17 -0.0312
10 L910180 11 17 -0.0938
11 L910180 13 17 -0.0625
分解：
使用来自 here 的代码建议
- 这将创建一个相对于分组列的
id列，并为unique中的每个group_by()值重复
然后使用下一个代码，来自 here
- 这将
NAs中的2010替换为16，将2019中的17替换为ifelse()
最后，2019 语句，我被一个线程挂了，认为它会起作用，它确实起作用了！
- 它选择那些分别等于
2010和16的土地覆盖值，然后通过减去这些值来计算它们的差异。最后，那些不相同的值用剩余的计划值填充，同时取负数。
然而当 2010 出现在 2019 中时，我还没有想出如何处理这些值，所以 ol.sphere.getLength() 计划值保持正值，考虑到它的始终设置为负！
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
