Получите лучшие x% или лучшие n результатов из вложенного столбца

Question

Я пытаюсь взять первые x результатов из группы вложенных данных.Добавление map(data, slice(seq(n()*0.2))) в конец функции pipe дает мне ошибки.

Итак, я пытаюсь получить верхние 20% каждого tbl_df и вернуть их.

Во-вторых, как я могу вкладывать данные, основанные на столбце даты?Я также пытаюсь вложить данные, основанные на всех наблюдениях между июлем года t и июнем года t-1.Вместо того, чтобы вкладывать их на основе Yrs, я хотел бы вкладывать их на основе определенного диапазона данных из столбца date.

Данные выглядят так (я изменил все годы на 2007/2008 для этой иллюстрации):

       id       Yrs       date       var   NESTID
1 1144215 2006_2007 2007-02-23 0.7897917     1
2  352510 2011_2012 2007-02-27 0.9626791     1
3  793952 2008_2009 2007-11-27 0.8186645     2
4 1368457 2014_2015 2007-03-02 0.9151516     1
5  319201 2012_2013 2007-07-20 0.9816049     2
6  882095 2017_2018 2008-03-19 0.9924851     2 

Таким образом, все 1-е будут в одном гнезде, а все 2-е - в другом гнезде, поскольку, наконец, обсервация 2008 года, которая менее загорелая, будет в том же гнезде, что и 2.

Код:

 nested_result <- x %>%
      as_tibble() %>%
      group_by(Yrs) %>%
      nest(.key = "data")

Данные:

x <- structure(list(id = c(1144215L, 352510L, 793952L, 1368457L, 319201L, 
882095L, 28412L, 1048911L, 109198L, 42293L, 97854L, 764180L, 
53117L, 1038357L, 310158L, 1324404L, 1133421L, 1646383L, 1095073L, 
1166691L, 1133421L, 721083L, 28412L, 1171825L, 764622L, 40493L, 
27904L, 109198L, 1039684L, 916457L, 72741L, 800240L, 1168054L, 
16918L, 4447L, 885639L, 1066806L, 1156039L, 732485L, 63754L, 
1310067L, 720005L, 1168054L, 92122L, 310158L, 1601712L, 42582L, 
70858L, 789388L, 21344L, 310764L, 835910L, 1065696L, 835541L, 
863157L, 51253L, 1137774L, 1018963L, 217346L, 945436L, 1058290L, 
84792L, 50104L, 8868L, 200406L, 929887L, 200406L, 64803L, 709804L, 
41077L, 785161L, 1585689L, 1037868L, 769397L, 63754L, 720005L, 
63541L, 33213L, 723527L, 1021860L, 4904L, 832428L, 915389L, 356028L, 
1361658L, 929887L, 40987L, 352541L, 1518832L, 100893L, 1004440L, 
1633917L, 14693L, 783325L, 92380L, 1043277L, 797468L, 922224L, 
1018963L, 205520L), Yrs = c("2006_2007", "2011_2012", "2008_2009", 
"2014_2015", "2012_2013", "2017_2018", "2008_2009", "2010_2011", 
"2018_2019", "2016_2017", "2011_2012", "2018_2019", "2017_2018", 
"2017_2018", "2013_2014", "2013_2014", "2014_2015", "2018_2019", 
"2008_2009", "2011_2012", "2012_2013", "2010_2011", "2017_2018", 
"2006_2007", "2013_2014", "2008_2009", "2015_2016", "2006_2007", 
"2006_2007", "2010_2011", "2015_2016", "2012_2013", "2017_2018", 
"2011_2012", "2011_2012", "2010_2011", "2006_2007", "2008_2009", 
"2007_2008", "2011_2012", "2016_2017", "2008_2009", "2008_2009", 
"2013_2014", "2008_2009", "2008_2009", "2006_2007", "2013_2014", 
"2008_2009", "2013_2014", "2008_2009", "2009_2010", "2013_2014", 
"2017_2018", "2016_2017", "2006_2007", "2011_2012", "2018_2019", 
"2013_2014", "2012_2013", "2012_2013", "2011_2012", "2013_2014", 
"2017_2018", "2010_2011", "2017_2018", "2018_2019", "2009_2010", 
"2017_2018", "2007_2008", "2012_2013", "2008_2009", "2009_2010", 
"2006_2007", "2009_2010", "2011_2012", "2015_2016", "2007_2008", 
"2007_2008", "2010_2011", "2018_2019", "2007_2008", "2012_2013", 
"2011_2012", "2015_2016", "2006_2007", "2007_2008", "2014_2015", 
"2013_2014", "2009_2010", "2011_2012", "2016_2017", "2011_2012", 
"2007_2008", "2008_2009", "2017_2018", "2014_2015", "2017_2018", 
"2014_2015", "2008_2009"), date = c("2007-02-23", "2012-02-27", 
"2009-11-27", "2015-03-02", "2013-02-20", "2018-03-19", "2009-02-20", 
"2011-03-01", "2019-02-15", "2017-07-24", "2012-02-29", "2019-02-26", 
"2018-03-20", "2018-02-21", "2014-02-27", "2014-02-06", "2015-02-26", 
"2019-02-21", "2009-02-27", "2012-02-28", "2013-02-27", "2011-03-01", 
"2018-02-16", "2007-02-27", "2014-12-10", "2009-08-26", "2016-08-30", 
"2007-02-28", "2007-03-01", "2011-02-17", "2016-02-26", "2013-06-17", 
"2018-02-23", "2012-11-16", "2012-02-24", "2011-02-24", "2007-02-28", 
"2009-10-27", "2008-02-22", "2012-05-21", "2017-03-21", "2009-02-17", 
"2009-03-02", "2014-02-27", "2009-02-27", "2009-02-26", "2007-02-16", 
"2014-02-26", "2009-02-19", "2014-02-27", "2009-12-14", "2010-12-20", 
"2014-02-07", "2018-02-22", "2017-03-24", "2007-02-15", "2012-02-15", 
"2019-02-25", "2014-02-27", "2013-05-30", "2013-02-25", "2012-06-27", 
"2014-02-27", "2018-02-07", "2011-02-25", "2018-02-23", "2019-02-25", 
"2010-02-26", "2018-05-02", "2008-03-14", "2013-02-19", "2009-02-25", 
"2010-02-19", "2007-03-01", "2010-05-24", "2012-02-21", "2016-12-20", 
"2008-02-27", "2008-02-28", "2011-03-11", "2019-02-21", "2008-02-28", 
"2013-02-26", "2012-02-28", "2016-02-26", "2007-02-28", "2008-07-10", 
"2015-03-02", "2014-02-24", "2010-05-07", "2012-02-23", "2017-03-16", 
"2012-10-31", "2008-06-27", "2009-02-11", "2018-02-27", "2015-02-13", 
"2018-02-15", "2015-02-23", "2009-02-25"), var = c(0.789791703652461, 
0.962679090148091, 0.818664455488741, 0.915151626033204, 0.981604875838189, 
0.992485078188146, 0.919096450897814, 1, 1, 0.999495268313767, 
0.971549791181422, 0.142410091613585, 0.854300303926079, 0.963969335350853, 
0.100915282090841, 0.788888929835236, 0.998838037754812, 1, 0.585900427740673, 
0.99197864817115, 0.963194355499937, 0.665254900669739, 0.989803980097533, 
0.989481867437919, 0.50494546710205, 1, 0.955496106519928, 0.926277449400448, 
0.848103309375422, 1, 0.643463529314152, 0.480751853712661, 0.912805193910848, 
0.980011721979559, 0.850678323003415, 0.97329136045642, 0.9463752199707, 
0.984883553015867, 0.950093429532104, 0.694897812240191, 0.988148152699705, 
0.909736787656526, 0.882419459468187, 1, 1, 0.602296327788106, 
0.982390900591669, 0.832481527160082, 0.970062225639918, 0.93938848599177, 
0.420104624462152, 0.822785559294837, 0.922609495465592, 1, 0.847618582834581, 
1, 0.998884518357301, 0.856694145446766, 0.954934410586873, 0.999483529190324, 
0.964333698862739, 0.000025317480951105, 1, 1, 0.988227892981814, 
0.976453170572977, 0.897281824659027, 1, 0.991392575240258, 0.918719921619656, 
0.308549664065154, 0.989794242194186, 0.984928826473983, 0.921184863501297, 
0.993424278980621, 0.981441305437729, 1, 1, 0.945774347345707, 
0.9593304680852, 0.944686323046023, 0.954719328141632, 0.996087437964504, 
0.00723186083983232, 0.998107962441803, 1, 0.999992291359637, 
0.954625273413497, 0.937925176467551, 0.840391718964617, 0.976419264342728, 
0.994956214638493, 0.993807958583037, 0.929808089723338, 0.497183583710065, 
0.826207496536073, 1, 1, 0.827230630432659, 0.714753109251633
)), row.names = c(NA, -100L), class = "data.frame")

Answer 1

Я использую year(as.Date(date) %m+% months(6), чтобы переместить что-либо в июле или позже на следующий год, затем paste(mod_year-1,mod_year,sep = "_"), чтобы создать метку для этого года.Я использую group_by(), чтобы ранжировать их перед вложением, чтобы избежать использования цикла.

library(tidyverse)
library(lubridate)

x %>%
  as_tibble() %>%
  mutate(mod_year = year(as.Date(date) %m+% months(6)),
         mod_year = paste(mod_year-1,mod_year,sep = "_")) %>%
  group_by(mod_year) %>%
  filter(percent_rank(var) >= .8) %>%
  nest(.key = "data")

# A tibble: 13 x 2
   mod_year  data            
   <chr>     <list>          
 1 2010_2011 <tibble [2 × 4]>
 2 2018_2019 <tibble [2 × 4]>
 3 2014_2015 <tibble [2 × 4]>
 4 2011_2012 <tibble [2 × 4]>
 5 2009_2010 <tibble [2 × 4]>
 6 2013_2014 <tibble [2 × 4]>
 7 2008_2009 <tibble [3 × 4]>
 8 2017_2018 <tibble [3 × 4]>
 9 2006_2007 <tibble [2 × 4]>
10 2012_2013 <tibble [2 × 4]>
11 2016_2017 <tibble [1 × 4]>
12 2007_2008 <tibble [2 × 4]>
13 2015_2016 <tibble [1 × 4]>

ОБНОВЛЕНИЕ

Вот более подробный пример, показывающий, как датысгруппированы:

data.frame(date = seq.Date(from = as.Date("2017-01-01"),by = "months",length.out = 24)) %>%
  as_tibble() %>%
  mutate(mod_year = year(as.Date(date) %m+% months(6)),
         mod_year = paste(mod_year-1,mod_year,sep = "_")) %>%
  as.data.frame()

         date  mod_year
1  2017-01-01 2016_2017
2  2017-02-01 2016_2017
3  2017-03-01 2016_2017
4  2017-04-01 2016_2017
5  2017-05-01 2016_2017
6  2017-06-01 2016_2017
7  2017-07-01 2017_2018
8  2017-08-01 2017_2018
9  2017-09-01 2017_2018
10 2017-10-01 2017_2018
11 2017-11-01 2017_2018
12 2017-12-01 2017_2018
13 2018-01-01 2017_2018
14 2018-02-01 2017_2018
15 2018-03-01 2017_2018
16 2018-04-01 2017_2018
17 2018-05-01 2017_2018
18 2018-06-01 2017_2018
19 2018-07-01 2018_2019
20 2018-08-01 2018_2019
21 2018-09-01 2018_2019
22 2018-10-01 2018_2019
23 2018-11-01 2018_2019
24 2018-12-01 2018_2019

Answer 2

Ваш вопрос немного сбивает с толку, но вот мое мнение:

library(tidyverse)
library(lubridate)

df %>%
  mutate(date=as_date(date)) %>%                         # change date column to date format
  filter(date<='2019-02-15' & date>='2011-03-01') %>%    # choose range of dates
  top_n(n=length(df$var)*0.20, wt=var) %>%               # choose the top 20% of 'var'
  arrange(desc(var), date)                               # arrange dataframe by descending 'var'

Это дает следующий вывод:

        id       Yrs       date       var
1  1048911 2010_2011 2011-03-01 1.0000000
2    92122 2013_2014 2014-02-27 1.0000000
3    50104 2013_2014 2014-02-27 1.0000000
4   797468 2014_2015 2015-02-13 1.0000000
5    63541 2015_2016 2016-12-20 1.0000000
6     8868 2017_2018 2018-02-07 1.0000000
7   922224 2017_2018 2018-02-15 1.0000000
8   835541 2017_2018 2018-02-22 1.0000000
9   109198 2018_2019 2019-02-15 1.0000000
10   42293 2016_2017 2017-07-24 0.9994953
11  945436 2012_2013 2013-05-30 0.9994835
12 1137774 2011_2012 2012-02-15 0.9988845
13 1133421 2014_2015 2015-02-26 0.9988380
14 1361658 2015_2016 2016-02-26 0.9981080
15  915389 2012_2013 2013-02-26 0.9960874
16 1633917 2016_2017 2017-03-16 0.9949562
17   14693 2011_2012 2012-10-31 0.9938080
18  882095 2017_2018 2018-03-19 0.9924851
19 1166691 2011_2012 2012-02-28 0.9919786
20  709804 2017_2018 2018-05-02 0.9913926