根据包含多个其他变量的子句计算新变量

Question

我有一个包含变量的数据集 “年”（2014-2023）， 'Landcover2013'（分类变量 1-4）， '土地覆盖2015', '土地覆盖2017', '土地覆盖2019', '2021 年土地覆盖', 'Sub_landcover2013'（子类别 1-10）， 'Sub_landcover2015', 'Sub_landcover2017', 'Sub_landcover2019', 'Sub_landcover2021'。

由于存在多个变量，数据很难使用。我想要一个单一变量，它结合了“LandcoverXXXX”和“Sub_landcoverXXXX”变量的信息。

我需要有一列包含描述土地覆盖的分类变量（4 x 10 = 40，因此理论上，由于所有这些类别和子类别，值的范围可以从 1 到 40）。而且由于土地覆盖值存在时间变化，我希望该条款利用基于变量“Year”的最新可用数据。例如，如果“Year”是 2014 年，则用于新值的数据来自变量“Landcover2013”和“Sub_landcover2013”。例如，对于 2015 年“Year”，我想使用 2013 年的相同数据，因为土地覆盖数据是在名称中提到的那些年份的末尾发布的。我希望下面的示例表能够澄清我的问题。

df <- data.frame(id = c("1", "2", "3", "4", "5"),
             Year = c("2014", "2014", "2016", "2017", "2023"),
             Landcover2013 = c("1", "1", "2", "1", "4"),
             Landcover2015 = c("1", "1", "3", "2", "4"),
             Landcover2017 = c("1", "1", "2", "2", "3"),
             Landcover2019 = c("2", "1", "2", "2", "4"),
             Landcover2021 = c("2", "1", "3", "1", "4"),
             Sub_landcover2013 = c("4", "7", "5", "9", "1"),
             Sub_landcover2015 = c("5", "7", "6", "9", "2"),
             Sub_landcover2017 = c("4", "6", "6", "9", "1"),
             Sub_landcover2019 = c("4", "6", "6", "9", "2"),
             Sub_landcover2021 = c("4", "6", "6", "10", "1"),
             NEW_COLUMN = c("4", "7", "26", "19", "31"))

我该怎么做？谢谢您的帮助！

Answer 1

使用

tidyverse

包，这是实现您目标的方法。工作流程：

1. 使用

   pivot_longer()

将所有土地覆盖类型列合并为一列
2. 创建两个新的组列，用于土地覆盖类型，一个用于土地覆盖类型年份
3. 按 ID 和土地覆盖类型对数据进行分组（例如“组”列）

4. slice()

   每个组按“group1”列中小于“Year”列的最大年份

5. pivot_wider()

   获得两个独立的土地覆盖类型列

library(dplyr)
library(tidyr)
library(stringr)

result <- df %>%
  pivot_longer(-c(id, Year, NEW_COLUMN)) %>%
  mutate(group = case_when(str_detect(name, "^Land") ~ "landcover",
                           TRUE ~ "sub_landcover"),
         group1 = as.integer(str_sub(name, start= -4))) %>%
  group_by(id, group) %>%
  slice(which.min(abs(as.integer(Year) - group1))) %>%
  ungroup() %>%
  pivot_wider(id_cols = c(id,Year),
              names_from = group,
              values_from = value)

result
# A tibble: 5 × 4
  id    Year  landcover sub_landcover
  <chr> <chr> <chr>     <chr>        
1 1     2014  1         4            
2 2     2014  1         7            
3 3     2016  3         6            
4 4     2017  2         9            
5 5     2023  4         1