使用dplyr使用迭代过滤器进行分组和汇总

如果有人问我这个问题，我已经搜索了一整天，没有找到一个可以解决我问题的答案

我正试图使用dplyr（和co.）解决这个问题，因为我以前的方法（for循环）效率太低。我有一个分组的现场事件时间数据集。我想总结一下在一个序列中移动窗口中发生的事件的数量（和比例）

# Example data
set.seed(1)
sites = rep(letters[1:10],10)
groups = c('red','blue','green','yellow')
times = round(runif(length(sites),1,100))

timePeriod = seq(1,100)

# Example dataframe
df = data.frame(site = sites,
                group = rep(groups,length(sites)/length(groups)),
                time = times)

这是我试图总结在给定的移动时间窗口内每个组中包含时间（事件）的站点数量。 目标是遍历向量

时间段

的每个元素，并总结每组在

时间段[i]+/-半窗口

发生的事件数量。最终，将它们存储在数据框中（例如，每个组有一列，每个时间步有一行）是理想的

df %>%
filter(time > timePeriod[i]-25 & time < timePeriod[i]+25) %>%
group_by(group) %>%
summarise(count = n())

df%>%
过滤器（时间>时段[i]-25和时间<时段[i]+25]%>%
分组依据（分组）%>%
总结（计数=n（）

---

我如何才能做到这一点，而不循环使用我的时间序列并单独存储每个组的汇总表？谢谢

结合

lappy

和

dplyr

，您可以执行以下操作，这与您迄今为止的工作非常接近

lapply(timePeriod, function(i){
  df %>%
    filter(time > (i - 25) & time < ( i + 25 ) )  %>%
    group_by(group) %>%
    summarise(count = n()) %>% 
    mutate(step = i)
}) %>% 
  bind_rows()

lappy（时间段、函数（i）{
df%>%
过滤器（时间>（i-25）&时间<（i+25））%>%
分组依据（分组）%>%
汇总（计数=n（））%>%
突变（步骤=i）
}) %>% 
绑定_行（）

太好了，谢谢你@Juan Bosco！我还在学习如何实现apply系列，这是一个很好的例子。