Interpolation fehlende Werte und kumulative Summe der Durchführung auf der Basis anderer Spalten in R

Question

ich einen Datenrahmen wie dieses:

wpt ID Fuel Dist Express Local 
1  S36 12 1  1   0 
2  S36 14 2  1   0 
inter S36 NA NA 1   0 
inter S36 NA NA 1   0 
3  S36 16 4  1   0 
inter S36 NA NA 0   1 
4  S36 18 6  0   1 
5  S36 22 7  0   1 
6  W09 45 9  1   0 
inter W09 NA NA 1   0 
inter W09 NA NA 1   0 
inter W09 NA NA 1   0 
7  W09 48 14 0   1 
8  W09 50 15 0   1 

(1) Ich möchte interpolieren und Einsatzwerte an die Orte mit NAs der Fuel and Dist-Spalte. I Behandle die Zeilen mit "inter" zusammen damit Anfangs- und Endzeilen der regulären nummerierten "wpt" als Einheit. Führen Sie dann eine Interpolation durch.

Die erwartete Ausgabe wie folgt ist:

wpt ID Fuel  Dist Express Local 
1  S36 12  1  1   0 
2  S36 14  2  1   0 
inter S36 14.6667 2.67 1   0 
inter S36 15.3333 3.33 1   0 
3  S36 16  4  1   0 
inter S36 17  5  0   1 
4  S36 18  6  0   1 
5  S36 22  7  0   1 
6  W09 45  9  1   0 
inter W09 45.75 10.25 1   0 
inter W09 46.50 11.50 1   0 
inter W09 47.25 12.75 1   0 
7  W09 48  14 0   1 
8  W09 50  15 0   1 

klar, das erste Segment Interpolation werden soll, wie folgt berechnet:

> seq (14,16, length.out = 4)
[1] 14,00000 14,66667 15,33333 16,00000

(2) Dann möchte ich kumulative Summe erhalten jeder Klasse von Express und Local von ID. Die erwartete Ausgabe ist wie folgt:

ID Cumsum.Fuel Cumsum.Dist Express Local 
S36 4    3   1  0 
S36 5    2   0  1 
W09 2.25   3.75  1  0 
W09 2    1   0  1 

Um klar zu sein, Cum.sum.Fuel für "S36" für Express 16-12 = 4 ist. Das Gleiche gilt für andere.

Vielen Dank im Voraus !!!

Answer 1

sowohl die Spalten zu füllen, wir mutate_at nach dem Gruppieren von "ID"

library(dplyr) 
library(zoo) 
df2 <- df1 %>% 
     group_by(ID) %>% 
     mutate_at(vars(Fuel, Dist), na.approx) 
df2 
#  wpt ID  Fuel  Dist Express Local 
# <chr> <chr> <dbl>  <dbl> <int> <int> 
#1  1 S36 12.00000 1.000000  1  0 
#2  2 S36 14.00000 2.000000  1  0 
#3 inter S36 14.66667 2.666667  1  0 
#4 inter S36 15.33333 3.333333  1  0 
#5  3 S36 16.00000 4.000000  1  0 
#6 inter S36 17.00000 5.000000  0  1 
#7  4 S36 18.00000 6.000000  0  1 
#8  5 S36 22.00000 7.000000  0  1 
#9  6 W09 45.00000 9.000000  1  0 
#10 inter W09 45.75000 10.250000  1  0 
#11 inter W09 46.50000 11.500000  1  0 
#12 inter W09 47.25000 12.750000  1  0 
#13  7 W09 48.00000 14.000000  0  1 
#14  8 W09 50.00000 15.000000  0  1 

Für den zweiten Teil verwenden,

library(data.table) 
df2 %>% 
    group_by(ID, Express1 = rleid(Express), Local1 = rleid(Local)) %>% 
    summarise(Express = first(Express), 
      Local = first(Local), 
      Cumsum.Fuel = last(Fuel) - first(Fuel), 
      Cumsum.Dist = last(Dist) - first(Dist)) %>% 
    ungroup() %>% 
    select(-Express1, - Local1) 
#Source: local data frame [4 x 5] 
# ID Express Local Cumsum.Fuel Cumsum.Dist 
# <chr> <int> <int>  <dbl>  <dbl> 
#1 S36  1  0  4.00  3.00 
#2 S36  0  1  5.00  2.00 
#3 W09  1  0  2.25  3.75 
#4 W09  0  1  2.00  1.00 

Oder wir können dies ohne die rleid

tun

df2 %>% 
    group_by(ID, Express, Local) %>% 
    summarise(Cumsum.Fuel = last(Fuel) - first(Fuel), 
       Cumsum.Dist = last(Dist) - first(Dist)) 

Answer 2

Für die erste Aufgabe können Sie:

library(zoo) 
na.approx(df$Fuel) 
[1] 12.00000 14.00000 14.66667 15.33333 16.00000 17.00000 18.00000 22.00000 45.00000 45.75000 
[11] 46.50000 47.25000 48.00000 50.00000