如何转换/重采样/插值数据，以便在R中具有多个分组变量的整洁数据集中归一化变量长度？

我的目标是规范化向量的长度，以便在整洁的数据集中进行平均。使用“近似”似乎是一种可行的方法，但我无法使它在tidyverse中有效工作。一个问题可能与在数据帧内调整大小有关。下面是一个可复制的示例：

# create reproducible dataset
i = 80
I = 110
id = rep("AA", I+i)
event = rep("event1", I+i)
sub_event = NA
sub_event[1:i] = 1
sub_event[i+1:I] = 2
sub_event = as.factor(sub_event)
y1 = sin(seq(0, 5*pi, length.out = i))
y2 = sin(seq(0, 5*pi, length.out = I))
y3 = cos(seq(0, 5*pi, length.out = i))
y4 = cos(seq(0, 5*pi, length.out = I))
var1 = c(y1,y2)
var2 = c(y3,y4)

df1 <- data.frame(id, event, sub_event,var1, var2)
df2 <- df1
df2$event = "event2"
df <- rbind(df1, df2)
temp <- df
temp$id = "BB"
df <- rbind(df, temp)


# create a "time" vector for sub_event

df <- df %>% 
  group_by(id, event, sub_event) %>%
  mutate(sub_event_time = seq_along(var1)) %>%
  select(id, event, sub_event, sub_event_time, everything()) %>%
  ungroup()

我希望转换/重采样数据以获得每个sub_事件的var1长度，即每个id的每个事件中最长sub_事件的长度

例如，我们想要：事件1子事件1的var1长度=事件1子事件2的var1长度（最长）

以下是一个尝试：

# attempt for var1 only
aim.df <- df %>%
  ungroup() %>%
  select(-var2) %>%
  group_by(id, event) %>%
  mutate(max_sub_event_time = max(sub_event_time)) %>%
  mutate(var1 = approx(var1, n = max_sub_event_time)$y) 

#仅尝试var1
aim.df%
解组（）%>%
选择（-var2）%>%
分组依据（id，事件）%>%
变异（最大子事件时间=最大子事件时间））%>%
变异（var1=近似值（var1，n=最大子事件时间）$y）

这将返回以下错误：

    Error in mutate_impl(.data, dots) : 
    Column `var1` must be length 190 (the group size) or one, not 110
    In addition: Warning messages:
    1: In if (n <= 0) stop("'approx' requires n >= 1") :
    the condition has length > 1 and only the first element will be used
    2: In seq.int(x[1L], x[nx], length.out = n) :
    first element used of 'length.out' argument

mutate_impl（.data，dots）中的错误：
列“var1”的长度必须为190（组大小）或1，而不是110
此外：警告信息：
1：在if（n1）中，仅使用第一个元素
2：在序列int（x[1L]，x[nx]，length.out=n）中：
用于'length.out'参数的第一个元素

有什么想法吗？

步骤

分组依据（id、事件、子事件）

删除

sub_event_time

，因为一旦添加观察值，它将不相关

将
approx
功能的结果汇总为列表列（您必须将
var1
和
max\u sub\u event\u time
转换为
approx
的适当输入）

unest

结果列表列

group\u by（id，event，sub\u event）

再次添加新的

sub\u event\u time

代码

library(dplyr)
library(tidyr)

df %>%
  ungroup() %>%
  select(-var2) %>%
  group_by(id, event) %>%
  mutate(max_sub_event_time = max(sub_event_time)) %>% 
  group_by(id, event, sub_event) %>% 
  select(-sub_event_time) %>% 
  summarise(var1_int = list(approx(as.numeric(var1), n = first(max_sub_event_time))$y)) %>% 
  unnest() %>% 
  group_by(id, event, sub_event) %>% 
  mutate(sub_event_time = row_number())

---

“var1的长度”是什么意思？组内

var1

的观察数？如果是，您希望添加的观察值

var1

的值是什么？@CJYetman:yes length of var1表示var1中的观察数（针对特定事件）。最终目的是对信号进行重采样（var1 var2）在每个事件的子事件中有相同数量的观察值；这样就可以实现每个事件的子事件变量的逐点平均值。太好了！如果我们想使用摘要对var1和var2进行分析，那么它可行吗？当然，我不明白为什么不可行

library(dplyr)
library(tidyr)

df %>%
  ungroup() %>%
  select(-var2) %>%
  group_by(id, event) %>%
  mutate(max_sub_event_time = max(sub_event_time)) %>% 
  group_by(id, event, sub_event) %>% 
  select(-sub_event_time) %>% 
  summarise(var1_int = list(approx(as.numeric(var1), n = first(max_sub_event_time))$y)) %>% 
  unnest() %>% 
  group_by(id, event, sub_event) %>% 
  mutate(sub_event_time = row_number())