2

我们正在监视 3 个进程 A、B 和 C，它们始终处于 X、Y 或 Z 级。协议会记录进程何时更改级别。

df = read.csv(tc <- textConnection('Time1,Process1,Level1
2013-01-09 18:00:34,A,X
2013-01-09 18:00:34,B,Y
2013-01-09 18:00:34,C,X
2013-01-09 22:00:59,A,Z
2013-01-10 00:10:38,A,X
2013-01-10 18:38:35,B,Z
2013-01-11 05:03:11,A,Z
2013-01-11 11:09:10,C,Y
2013-01-11 12:01:18,A,Off
2013-01-11 12:01:18,B,Off
2013-01-11 12:01:18,C,Off
'),header=TRUE)
close.connection(tc) 
df$Time1 = as.POSIXct(df$Time1)

监控于 2013-01-09 18:00:34 开始，并于 2013-01-11 12:01:18 关闭。在 2013-01-09 18:00:34 和 2013-01-09 22:00:59 之间，进程 A 处于 X 级，在 2013-01-09 22:00:59 和 2013-01-10 00:10 之间： 38 进程 A 处于 Z 级。

出于图表目的，我们希望将每个午夜的每个进程的最后一级和一级状态插入协议中：

2013-01-09 23:59:59,A,Z
2013-01-10 00:00:00,A,Z
2013-01-10 23:59:59,A,X
2013-01-11 00:00:00,A,X

2013-01-09 23:59:59,B,Y
2013-01-10 00:00:00,B,Y
2013-01-10 23:59:59,B,Z
2013-01-11 00:00:00,B,Z

2013-01-09 23:59:59,C,X
2013-01-10 00:00:00,C,X
2013-01-10 23:59:59,C,X
2013-01-11 00:00:00,C,X

可以假设在 23:59:59 和 00:00:00 之间日志中没有事件。最后，协议会在插入后按 Time1 排序（这个我们可以自己弄清楚）。非常感谢任何指导！

4

1 回答 1

2

(+1) 相当复杂和有趣的任务。我想我有答案。我将尝试在这里解释该方法。我希望这是有道理的。这里有两个棘手的地方。我的解决方案使用data.table.

First:我发现首先构建您需要的输出的前两列更容易。这是在代码的第一部分完成的，如下所示：

require(data.table)
dates <- unique(as.character(strptime(as.character(df$Time1), "%Y-%m-%d")))
dates <- dates[1:(length(dates)-1)]
dates <- strptime(paste(dates, "23:59:59"), "%Y-%m-%d %H:%M:%S")
dates <- sort(c(dates, dates+1))
Time <- rep(dates, length(levels(df$Process1)))
Process <- rep(levels(df$Process1), each=length(dates))
dt.out <- data.table(Time=as.POSIXct(Time), Process=Process)
# data.table outputs crazy values if not converted using as.POSIXct..?!

通过查看每一行代码的作用，这应该很容易理解。我希望它可以扩展到其他场景。

Second:第二位同样棘手，但可以在一行中使用data.table. 花了一段时间才弄清楚，但它太棒了！

dt <- data.table(df, key="Process1") # convert input data.frame to data.table
out <- dt.out[, dt[J(Process)]$Level1[max(which(dt[J(Process)]$Time1 < Time))], 
            by = c("Process", "Time")]

> out

    Process                Time V1
 1:       A 2013-01-09 23:59:59  Z
 2:       A 2013-01-10 00:00:00  Z
 3:       A 2013-01-10 23:59:59  X
 4:       A 2013-01-11 00:00:00  X
 5:       B 2013-01-09 23:59:59  Y
 6:       B 2013-01-10 00:00:00  Y
 7:       B 2013-01-10 23:59:59  Z
 8:       B 2013-01-11 00:00:00  Z
 9:       C 2013-01-09 23:59:59  X
10:       C 2013-01-10 00:00:00  X
11:       C 2013-01-10 23:59:59  X
12:       C 2013-01-11 00:00:00  X

让我把这两行分成几部分来解释发生了什么。

在第一行中，我们set key为dtas Process1。这允许VERY fast按列过滤数据Process1。即，dt["A"]等价于df[df$Process1 == "A"]，但前者速度极快。

在第二行中，发生了很多事情。我们已经创建dt.out了所需输出的前两列。剩下的就是第三列。看那行的最后一部分by = c("Process", "Time")。在这里，我们将这两个变量分开data.table dt.out。对于每个 split data.table，我们应用它基本上从所有当前值中dt[J(Process)]$Level1[max(which(dt[J(Process)]$Time1 < Time))]挑选出<从被过滤的值中，并使用这个最大索引来返回相应的值。maximum indexTime1Timedata.tableProcessLevels1

希望这可以帮助。

于 2013-01-15T15:00:14.383 回答