关于 r:dplyr：将会话中的事件分组在一起


dplyr: group events in a session together

我有一个如下所示的数据框。我想将每个"独特"会话的事件组合在一起。例如，在以下情况下，编号 1 的 ID 与我的系统进行了两次互动，并进行了两次会话。我想"传播"(tidyr)数据，但每个会话。不是每个 id。如何使用 dplyr 和 tidyr 来做到这一点？

1
2
3
4
5
6
7
8
9
10
> df
  id event                time
1  1 start 2015-05-16 22:46:53
2  1 valid 2015-05-16 22:46:56
3  1   end 2015-05-16 22:46:59
4  2 start 2015-05-16 22:46:53
5  2   bad 2015-05-16 22:47:00
6  1 start 2015-05-16 22:49:05
7  1   bad 2015-05-16 22:49:09
>

所需的输出类似于以下内容：

1
2
3
4
5
> df1
  nid           starttime           validtime             badtime             endtime
1   1 2015-05-16 22:46:53 2015-05-16 22:46:56                <NA> 2015-05-16 22:46:59
2   2 2015-05-16 22:46:53                <NA> 2015-05-16 22:47:00                <NA>
3   1 2015-05-16 22:49:05                <NA> 2015-05-16 22:49:09                <NA>

使用 data.table 的选项。使用 data.table 的开发版本中的 rleid 和 dcast 即 v1.9.5(安装说明为 here)，我们可以将"长"格式转换为"宽"格式。

1
2
3
4
5
6
7
8
9
10
11
library(data.table)#v1.9.5+
dcast(setDT(df)[, gr:= rleid(id)], id+gr~paste0(event, 'time'),
             value.var='time')[order(starttime)][, c(1, 5:6, 3:4), with=FALSE]
#   id           starttime           validtime             badtime
#1:  1 2015-05-16 22:46:53 2015-05-16 22:46:56                <NA>
#2:  2 2015-05-16 22:46:53                <NA> 2015-05-16 22:47:00
#3:  1 2015-05-16 22:49:05                <NA> 2015-05-16 22:49:09
#              endtime
#1: 2015-05-16 22:46:59
#2:                <NA>
#3:                <NA>

数据

1
2
3
4
5
6
7
8
9
10
df <- structure(list(id = c(1L, 1L, 1L, 2L, 2L, 1L, 1L),
 event =   c("start",
"valid","end","start","bad","start","bad"),
 time = structure(c(1431816413,
 1431816416, 1431816419, 1431816413, 1431816420, 1431816545,
 1431816549
  ), class = c("POSIXct","POSIXt"), tzone ="%Y-%m-%d %H:%M:%S")),
 .Names = c("id",
"event","time"), row.names = c("1","2","3","4","5","6",
"7"), class ="data.frame")

这是一种方法。我不确定您是否有时间作为日期对象或角色对象。在这里，我在 mydf 中创建了 time 作为日期对象。当我重塑数据时，我意识到 spread() 将时间对象转换为数字。因此，我决定先将 time 转换为字符。然后，我创建了一个名为 group 的新变量，它有助于使用 spread() 重塑数据。为了保持你想要的顺序，我使用了 arrange()。我用 select() 更改了列名。最后，我将 time 转换为日期对象。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
library(dplyr)
library(tidyr)

mydf <- data.frame(id = c(1,1,1,2,2,1,1),
                   event = c("start","valid","end","start","bad","start","bad"),
                   time = as.POSIXct(c("2015-05-16 22:46:53","2015-05-16 22:46:56","2015-05-16 22:46:59",
                                      "2015-05-16 22:46:53","2015-05-16 22:47:00","2015-05-16 22:49:05",
                                      "2015-05-16 22:49:09"), format ="%Y-%m-%d %H:%M:%S"),
                   stringsAsFactors = FALSE)

mutate(mydf, time = as.character(time),
             group = cumsum(c(T, diff(id) != 0))) %>%
spread(event, time) %>%
arrange(group) %>%
select(id, starttime = start, validtime = valid, badtime = bad, endtime = end) %>%
mutate_each(funs(as.POSIXct(., format ="%Y-%m-%d %H:%M:%S")), starttime:endtime)

#  id           starttime           validtime             badtime             endtime
#1  1 2015-05-16 22:46:53 2015-05-16 22:46:56                <NA> 2015-05-16 22:46:59
#2  2 2015-05-16 22:46:53                <NA> 2015-05-16 22:47:00                <NA>
#3  1 2015-05-16 22:49:05                <NA> 2015-05-16 22:49:09                <NA>