Innerhalb einer ID: eine Gruppe identifizieren und weist einen Zähler

Question

Ich habe eine Datenmenge, die wie folgt aussieht:

> head(df) 
# A tibble: 6 × 3 
    id    tstart    tstop 
    <dbl>    <dttm>    <dttm> 
1 115 2016-01-04 19:14:06 2016-01-04 19:14:15 
2 115 2016-01-04 19:14:15 2016-01-04 19:14:16 
3 115 2016-01-04 19:14:16 2016-01-04 20:00:00 
4 115 2016-01-04 20:00:00 2016-01-04 23:32:06 
5 119 2016-01-09 12:56:49 2016-01-09 13:09:38 
6 119 2016-01-09 19:21:30 2016-01-09 19:26:48 


> dput(df) 
structure(list(id = c(115, 115, 115, 115, 119, 119, 119, 119, 
115, 119, 115, 115, 119, 119, 115, 115, 115, 115, 119, 115, 115, 
119, 119, 115, 115, 119, 119, 119, 119, 119, 119, 119, 119, 119, 
119, 115, 119, 119, 115, 119, 119, 115, 119, 115, 115, 115, 115, 
115), tstart = structure(c(1451960046, 1451960055, 1451960056, 
1451962800, 1452369409, 1452392490, 1452656773, 1452768075, 1453117929, 
1453158614, 1453211410, 1453241664, 1453472208, 1453501656,, 
1453859618, 1453923350, 1454160212, 1454185221, 1454334295, 1454667974, 
1454893810, 1455228853, 1455498598, 1455551174, 1455586503, 1455652857, 
1455747333, 1455965433, 1456053421, 1456137889, 1456482398, 1456590733, 
1456839351, 1456945452, 1457003430, 1457099049, 1457108703, 1457445523, 
1457478749, 1457480525, 1457542159, 1457562948, 1458598425, 1458822311, 
1458940977, 1459028316, 1459083563), class = c("POSIXct", "POSIXt" 
), tzone = ""), tstop = structure(c(1451960055, 1451960056, 1451962800, 
1451975526, 1452370178, 1452392808, 1452656986, 1452768517, 1453118186, 
1453158918, 1453211770, 1453242132, 1453472619, 1453502485, 1453683500, 
1453859899, 1453923567, 1454161008, 1454185580, 1454334848, 1454668930, 
1454894182, 1455229448, 1455499217, 1455552432, 1455587211, 1455653538, 
1455747987, 1455965658, 1456053774, 1456138469, 1456482801, 1456591336, 
1456839506, 1456945790, 1457003644, 1457099216, 1457109800, 1457445783, 
1457480525, 1457480533, 1457542907, 1457563544, 1458598877, 1458822887, 
1458941209, 1459028558, 1459083990), class = c("POSIXct", "POSIXt" 
))), class = c("tbl_df", "tbl", "data.frame"), row.names = c(NA, 
-48L), .Names = c("id", "tstart", "tstop")) 

> head(df) 
# A tibble: 6 × 3 
    id    tstart    tstop 
    <dbl>    <dttm>    <dttm> 
1 115 2016-01-04 19:14:06 2016-01-04 19:14:15 
2 115 2016-01-04 19:14:15 2016-01-04 19:14:16 
3 115 2016-01-04 19:14:16 2016-01-04 20:00:00 
4 115 2016-01-04 20:00:00 2016-01-04 23:32:06 
5 115 2016-01-18 04:52:09 2016-01-18 04:56:26 
6 115 2016-01-19 06:50:10 2016-01-19 06:56:10 

Ich versuche, eine Ereignissequenz, event.seq, wo ein Ereignis zu erstellen ist wie folgt definiert die Fortsetzung in der Zeit der vorherigen Reihe. Die Sequenz wird bei jeder ID-Änderung zurückgesetzt. Das Ende Datenrahmen ich versuche zu bekommen:

> dput(df.out) 
structure(list(id = c(115, 115, 115, 115, 115, 115, 115, 115, 
115, 115, 115, 115, 115, 115, 115, 115, 115, 115, 115, 115, 115, 
115, 115, 119, 119, 119, 119, 119, 119, 119, 119, 119, 119, 119, 
119, 119, 119, 119, 119, 119, 119, 119, 119, 119, 119, 119, 119, 
119), tstart = structure(c(1451960046, 1451960055, 1451960056, 
1451962800, 1453117929, 1453211410, 1453241664,, 1453859618, 
1453923350, 1454160212, 1454334295, 1454667974, 1455498598, 1455551174, 
1457003430, 1457445523, 1457542159, 1458598425, 1458822311, 1458940977, 
1459028316, 1459083563, 1452369409, 1452392490, 1452656773, 1452768075, 
1453158614, 1453472208, 1453501656, 1454185221, 1454893810, 1455228853, 
1455586503, 1455652857, 1455747333, 1455965433, 1456053421, 1456137889, 
1456482398, 1456590733, 1456839351, 1456945452, 1457099049, 1457108703, 
1457478749, 1457480525, 1457562948), class = c("POSIXct", "POSIXt" 
), tzone = "UTC"), tstop = structure(c(1451960055, 1451960056, 
1451962800, 1451975526, 1453118186, 1453211770, 1453242132, 1453683500, 
1453859899, 1453923567, 1454161008, 1454334848, 1454668930, 1455499217, 
1455552432, 1457003644, 1457445783, 1457542907, 1458598877, 1458822887, 
1458941209, 1459028558, 1459083990, 1452370178, 1452392808, 1452656986, 
1452768517, 1453158918, 1453472619, 1453502485, 1454185580, 1454894182, 
1455229448, 1455587211, 1455653538, 1455747987, 1455965658, 1456053774, 
1456138469, 1456482801, 1456591336, 1456839506, 1456945790, 1457099216, 
1457109800, 1457480525, 1457480533, 1457563544), class = c("POSIXct", 
"POSIXt"), tzone = "UTC"), event.seq = c(1, 1, 1, 1, 2, 3, 4, 
5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 1, 
2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 
20, 21, 22, 23, 23, 24)), class = c("tbl_df", "tbl", "data.frame" 
), row.names = c(NA, -48L), .Names = c("id", "tstart", "tstop", 
"event.seq")) 

> head(df.out) 
# A tibble: 6 × 4 
    id    tstart    tstop event.seq 
    <dbl>    <dttm>    <dttm>  <dbl> 
1 115 2016-01-05 02:14:06 2016-01-05 02:14:15   1 
2 115 2016-01-05 02:14:15 2016-01-05 02:14:15   1 
3 115 2016-01-05 02:14:15 2016-01-05 03:00:00   1 
4 115 2016-01-05 03:00:00 2016-01-05 06:32:06   1 
5 115 2016-01-18 11:52:09 2016-01-18 11:56:26   2 
6 115 2016-01-19 13:50:10 2016-01-19 13:56:09   3 

Das bin ich näher kommt, aber nicht ganz das, was ich will:

df.2 <- df %>% 
    arrange(id, tstart) %>% 
    mutate(tstart.ahead = lead(tstart)) %>% 
    mutate(tstop.behind = lag(tstop)) %>% 
    mutate(event.seq.1 = as.numeric(tstop == tstart.ahead), event.seq.2 = as.numeric(tstart == tstop.behind)) %>% 
    mutate(event.seq = pmax(event.seq.1, event.seq.2, na.rm = TRUE)) %>% 
    select(id, tstart, tstop, event.seq) 

Answer 1

Dies ist ein wenig kompliziert. Da Sie für jede id zurücksetzen möchten, müssen wir auf jeden Fall group_by(id). Dann erstellen wir eine Spalte, die angibt, ob jede Zeile nicht eine Fortsetzung der vorherigen Zeile ist. Schließlich können wir cumsum dieses Indikators verwenden. Wenn es nicht eine Fortsetzung ist, wird 1 hinzugefügt und event.seq geht nach oben. Wenn es eine Fortsetzung ist, wird 0 hinzugefügt und event.seq bleibt gleich. Wir fügen 1 hinzu, um bei 1 nicht 0 zu beginnen.

library(dplyr) 
df.2 <- df %>% 
    arrange(id, tstart) %>% 
    group_by(id) %>% 
    mutate(not_continued = c(0, (lag(tstop) != tstart)[-1]), 
     event.seq = 1 + cumsum(not_continued)) %>% 
    select(-not_continued) 

all.equal(df.2, df.out) 
# [1] TRUE