在此数据表中发生 x 个事件后，您将如何消除一系列事件？

问题描述

我有一个 data.frame，它给出了不同模拟中每个 x 和 y 坐标发生事件的时间。我已经使用 dput() 附加了下表的头部。

head_data<-structure(list(x = c(987.353265152362,570.817987386894,1147.5681499552,637.526076016409,1439.13510253106,1396.6452808061),y = c(1802.08232812874,349.336242713164,1789.49467712533,361.611973188148,1492.44148360367,1459.91771610835),id = 1:6,`simulation 1` = c(1100,600,1200,400,900,1000),`simulation 2` = c(1500,1400,1600,1300),`simulation 3` = c(1200,1100,1000,900),`simulation 4` = c(1300,800,1100),`simulation 5` = c(1500,1300,1200),`simulation 6` = c(200,100,600)),row.names = c(NA,6L),class = "data.frame")

首先将数据融合成长格式

data_long <- melt(head_data,id.vars = c('x','y','id'),value.name = 'time',variable.name = 'sim')

然后我对事件的时间进行排序

times <- sort(unique(data_long$time))

现在我通过总结每个 sim 的每个时间间隔的事件，将这个 data.frame 的事件转换为总流行率。

data_clust_10 <- data_long %>% group_by(sim) %>%
  do(data.frame(time=times,infected=sapply(times,function(x) sum(.$time <= x))))

然后我通过删除阈值数之后的所有事件来过滤流行数据，完整数据中有 1000 个 x 和 y 坐标，但我们每个 sim 只处理 6 个人，所以假设有 2 个事件。

data_clust_10_cut<-filter(data_clust_10,infected < 2)

是否可以将这个数据帧转换回 head_data 的原始格式？我可以使用 dcast() 吗？我认为行数会有所不同，所以它不起作用还是我错了？我想这样做是因为我将使用精炼数据来估计方差系数。考虑到这一点，我实际上认为在原始表 head_data 中安排时间，然后消除高于我的流行阈值计数的事件数量可能是最好的解决方案，但我有兴趣了解 dcast()可以在这种情况下使用。我希望原始表中的事件序列根据事件发生所花费的时间进行排序，然后我想消除所有发生在总事件数 x 之后发生的事件，而不考虑时间。

解决方法

这是您要找的吗：

if(isset($_POST['submit']))
{

    $query = "SELECT * FROM occasions WHERE naam IS NOT NULL";
    
    $stmt = $pdo->prepare($query);
    
    
    if (isset($_POST['merk'])) {
        $query .= " AND merk = :merk";
        
        $merk = $_POST['merk'];
        
        $stmt->bindParam(':merk',$merk);
    } 
    
    
    if($stmt->execute())
    {
        echo "query is executed";
        print_r($query);
    }
    else
    {
        echo "query is niet executed";
    }
    
    
    while($result = $stmt->fetch())
    {
        echo "<br>";
        echo $result['naam'];
    }
    
    
    
}

r r reshape2 reshape2