Effizienter Weg in R zum Zählen von Linien pro ID im gleitenden Zeitfenster?

Question

Gibt es eine Funktion von einem Paket, die berechnet, wie oft eine ID aus einer Zeile in den letzten x Stunden erscheint. Ich werde das 'Geschwindigkeit' nennen.

Die Zielspalte, die ich berechnen möchte, wird durch 'VEL_7H' dargestellt. Mit anderen Worten, wie oft erschien die ID in den letzten 7 Stunden?

ID  TIME     VEL_7H 
1144727 2016-04-01 09:56:12 0 
1144727 2016-04-01 15:16:03 1 
1144727 2016-04-01 15:26:14 2 
1144727 2016-04-02 09:48:48 0 
1799567 2016-04-14 14:41:06 0 
1799567 2016-04-14 17:51:06 1 
2067650 2016-04-17 12:34:52 0 

Gibt es eine Funktion mit Zeit und ID-Vektoren und ein festgelegter Bereich, das gibt die VEL_7H Spalte?

Answer 1

Leistung zu maximieren, ich denke, Rcpp geeignet ist:

library(Rcpp); 
df <- data.frame(ID=c(1144727L,1144727L,1144727L,1144727L,1799567L,1799567L,2067650L),TIME=as.POSIXct(c('2016-04-01 09:56:12','2016-04-01 15:16:03','2016-04-01 15:26:14','2016-04-02 09:48:48','2016-04-14 14:41:06','2016-04-14 17:51:06','2016-04-17 12:34:52'))); 
cppFunction(' 
    IntegerVector countTrailingIDs(IntegerVector ids, DoubleVector times, double window) { 
     IntegerVector res(ids.size()); 
     for (int i = 0; i < ids.size(); ++i) { 
      int id = ids[i]; 
      double trailTime = times[i]-window; 
      for (int j = i-1; j >= 0 && ids[j] == id && times[j] >= trailTime; --j) 
       ++res[i]; 
     } 
     return res; 
    } 
'); 
df$VEL_7H <- countTrailingIDs(df$ID,df$TIME,60*60*7); 
df; 
##  ID    TIME VEL_7H 
## 1 1144727 2016-04-01 09:56:12  0 
## 2 1144727 2016-04-01 15:16:03  1 
## 3 1144727 2016-04-01 15:26:14  2 
## 4 1144727 2016-04-02 09:48:48  0 
## 5 1799567 2016-04-14 14:41:06  0 
## 6 1799567 2016-04-14 17:51:06  1 
## 7 2067650 2016-04-17 12:34:52  0 

Beachten Sie, dass die Funktion ids und times erfordert nach ID zu bestellen und dann Zeit.

Answer 2

Wir können ein verwenden klassische Split-apply-kombiniert Ansatz in Basis R zunächst durch ID den Datenrahmen aufgeteilt, fügen Sie die Anzahl der Einträge in den letzten 7 Stunden, dann eine neue Spalte mit den Werten erstellen:

sdf <- split(df, df$ID) 
last7 <- function(df) sapply(1:nrow(df), function(i) sum(df[i, "TIME"] - df[1:i, "TIME"] <= 60*60*7) - 1L) 
df$VEL_7H <- unlist(sapply(sdf, last7)) 
df 
#  ID    TIME VEL_7H 
# 1 1144727 2016-04-01 09:56:12  0 
# 2 1144727 2016-04-01 15:16:03  1 
# 3 1144727 2016-04-01 15:26:14  2 
# 4 1144727 2016-04-02 09:48:48  0 
# 5 1799567 2016-04-14 14:41:06  0 
# 6 1799567 2016-04-14 17:51:06  1 
# 7 2067650 2016-04-17 12:34:52  0