R如何创建一个新变量，该变量引用另一个数据帧中的特定值

我试图在不同的观察期内平均生物速率。 开始和结束时间在我的数据帧（df）中，测量的速率在第二个数据帧（速率）中。数据是每小时收集的，但我想说的是每个观察期的平均比率

我的数据集比这个大得多（~10k个观测值），变量也更多，但我希望这个可重复的例子能帮助找到解决方案

## start and end date-times for observation periods.  
df<- data.frame(observation = 1:4,
      start.time= c(as.POSIXct("2021-01-01 00:35"), as.POSIXct("2021-01-02 14:35"), as.POSIXct("2021-01-03 07:31"), as.POSIXct("2021-01-04 19:02")),
      end.time = c(as.POSIXct("2021-01-01 12:38"), as.POSIXct("2021-01-02 14:47"), as.POSIXct("2021-01-04 00:54"), as.POSIXct("2021-01-05 05:19")))

## rates observed                      
data = data.frame(time = seq(as.POSIXct("2021-01-01 00:00"), 
                     as.POSIXct("2021-01-05 23:59"), by = "hour"),
                     rate=rnorm(1:120))

观察期的开始和结束日期时间。

---

df我们可以使用

apply

函数系列。它只是for循环的一个变体。比如说

使用for循环

mean_rate <- c()
for (i in c(1:nrow(df)){
  mean_rate[i] <- mean(data$rate[data$time >= df$start.time[i] & data$time < df$end.time[i]])
}
data$mean_rate <- mean_rate

使用

mapply

df$mean_rate <- sapply(c(1:nrow(df), function(i){
  mean(data$rate[data$time >= df$start.time[i] & data$time < df$end.time[i]])
})

df$mean_rate <- mapply(function(x, y){
  mean(data$rate[data$time >= x & data$time < y])
}, df$start.time, df$end.time)

df$mean_rate=x&数据$time

一个整洁的选择

library(tidyverse)
library(lubridate)

data %>%
  crossing(interval(df$start.time, df$end.time), 
           .name_repair = ~ str_sub(., 1, 8)) %>%
  filter(time %within% interval) %>%
  group_by(interval) %>%
  summarise(meanRate = mean(rate))

# # A tibble: 3 x 2
#   interval                                         meanRate
#   <Interval>                                          <dbl>
# 1 2021-01-01 00:35:00 CET--2021-01-01 12:38:00 CET  -0.0938
# 2 2021-01-03 07:31:00 CET--2021-01-04 00:54:00 CET   0.0360
# 3 2021-01-04 19:02:00 CET--2021-01-05 05:19:00 CET  -0.191 

库（tidyverse）
图书馆（lubridate）
数据%>%
穿越（间隔（df$开始时间，df$结束时间），
.name_repair=~str_sub（，1，8））%>%
筛选器（时间%在%间隔内）%%>%
分组依据（区间）%>%
总结（平均比率=平均（比率））
##tibble:3 x 2
#区间平均利率
#                                             
#2021-01-01 00:35:00 CET--2021-01-01 12:38:00 CET-0.0938
#2021-01-03 07:31:00 CET--2021-01-04 00:54:00 CET 0.0360
#3 2021-01-04 19:02:00 CET--2021-01-05 05:19:00 CET-0.191

这是一个长期的方法对您有效吗？然而，它试图计算区间加权部分的平均值

df%
变异（虚拟=小时（开始时间）=小时（结束时间））%>%
轴长（！c（观察，虚拟））%>%
分组依据（观察）%>%
变异（val2=楼层日期（值，单位为“小时”），
interv=case_when（dummy&name='end.time'~difftime（值、值、单位='secs'），
dummy~difftime（值[name=='end.time']，值[name=='start.time']，单位='secs'），
name=='start.time'~3600-difftime（值，val2，单位='secs'），
TRUE~difftime（值，val2，单位='secs'））%>%
完成（val2=seq.POSIXt（最小值（val2），最大值（val2），by='hours'），fill=list（interv=60*60））%>%
左联合（数据，by=c（'val2'='time'））%>%
汇总（平均利率=总和（数字利率）*利率）/总和（数字利率）
#>#tibble:4 x 2
#>观测平均值
#>              
#> 1           1    0.265 
#> 2           2    1.10  
#> 3           3    0.277 
#> 4           4    0.0991

---

由（v2.0.0）于2021-05-02创建

非常感谢您的建议。循环/应用函数是否对指定的开始和结束时间之间的所有观测值进行平均，还是仅计算开始和结束值之间的平均值？谢谢您的回答！我无法使“交叉”功能正常工作，因此我没有使用此解决方案。@Rnewbie:非常欢迎。为什么

crossing（）

不起作用？您收到了什么错误消息？请设置

数据的种子，并包括预期结果或所需的平均值计算方法。事实上，我认为你需要加权平均值，因为时间间隔不是相等的。你还没有接受任何答案。你能澄清一下，如果obs1从01:59:00开始，到02:59:00结束，持续一个小时，那么预期结果是什么吗？但是01:00:00的费率是1，02:00:00的费率是2？预期平均值是（1+2）/2=1.5还是（1*1+2*59）/60=1.98？？请澄清