0

我花了很长时间试图计算特定事件之间的日期差异。例如，我有下面的数据集，其中 t 是事件日期时间，e 是事件（'A' 或 'R'），id 是标识符。

身份证
2013-06-15 20:59:17 A 086
2013-06-26 18:02:09 R 086
2013-06-27 03:17:07 A 086
2013-06-01 11:34:09 R 115
2013-06-16 19:59:08 R 522
2013-06-16 20:05:04 R 522
2013-06-07 09:31:15 A 524
2013-06-09 16:24:04 R 524
2013-06-14 03:38:09 A 524
2013-06-16 15:49:09 R 524
2013-06-21 03:54:19 A 524
2013-06-12 12:34:37 A 638
2013-06-12 13:15:27 A 638
2013-06-15 16:12:23 R 638
2013-06-18 22:05:03 A 638
2013-06-28 13:30:20 R 638
2013-06-28 22:20:12 A 638
2013-06-01 18:34:46 A 836
2013-06-01 18:44:53 A 836
2013-06-03 14:35:09 R 836
2013-06-03 20:25:51 A 836
2013-06-03 20:27:25 A 836
2013-06-03 20:32:17 A 836
2013-06-08 16:22:07 R 836
2013-06-12 13:12:21 A 836
2013-06-12 13:15:16 A 836
2013-06-12 13:18:53 A 836
2013-06-12 18:59:24 A 836
2013-06-23 21:14:12 R 836
2013-06-24 20:16:11 R 836
2013-06-25 03:34:29 A 836
2013-06-26 20:33:11 R 836

想创建一个新的数据集，对于每个 id，我将有“A”事件和“R”事件之间的日期时间差（以天为单位）。

对于每个 id：如果在 E 之前没有事件 A，则不计算任何内容。如果在两个事件 E 之前存在三个事件 A，则计算第一个事件 A 和第一个事件 E 的差异天数。如果只有事件 A 或 E，则不计算任何内容。然后，对于 id=086, 115, 638，我想得到这个 duples (id, days) (086, 10.9) (638, 3.2) (638, 9.6)。id=115 没有出现或者它可能是 NaN 因为它只有一个事件 R 并且在它之前没有事件 A。

身份证天数
086 10.9 (例如 2013-06-26 18:02:09 - 2013-06-15 20:59:17)
524 2.3
524 2.5
638 3.2
638 9.6
836 1.8
836 4.8（例如 2013-06-08 16:22:07 - 2013-06-03 20:25:51）
836 11.3
836 1.7

我将此代码用作第一种方法：

聚合（as.POSIXct（df$t），列表（df$id），差异）

关于如何做到这一点的任何想法？提前致谢。

数据框的输入是：

> 输入（df）
结构（列表（t = c（“2013-06-15 20:59:17”，“2013-06-26 18:02:09”，
“2013-06-27 03:17:07”、“2013-06-01 11:34:09”、“2013-06-16 19:59:08”、
“2013-06-16 20:05:04”、“2013-06-07 09:31:15”、“2013-06-09 16:24:04”、
“2013-06-14 03:38:09”、“2013-06-16 15:49:09”、“2013-06-21 03:54:19”、
“2013-06-12 12:34:37”、“2013-06-12 13:15:27”、“2013-06-15 16:12:23”、
“2013-06-18 22:05:03”、“2013-06-28 13:30:20”、“2013-06-28 22:20:12”、
“2013-06-01 18:34:46”、“2013-06-01 18:44:53”、“2013-06-03 14:35:09”、
“2013-06-03 20:25:51”、“2013-06-03 20:27:25”、“2013-06-03 20:32:17”、
“2013-06-08 16:22:07”、“2013-06-12 13:12:21”、“2013-06-12 13:15:16”、
“2013-06-12 13:18:53”、“2013-06-12 18:59:24”、“2013-06-23 21:14:12”、
“2013-06-24 20:16:11”、“2013-06-25 03:34:29”、“2013-06-26 20:33:11”
），e = c（“A”，“R”，“A”，“R”，“R”，“R”，“A”，“R”，“A”，“R”，“A”，
“A”、“A”、“R”、“A”、“R”、“A”、“A”、“A”、“R”、“A”、“A”、“A”、“R” ",
“A”，“A”，“A”，“A”，“R”，“R”，“A”，“R”），id = c（“086”，“086”，
“086”、“115”、“522”、“522”、“524”、“524”、“524”、“524”、“524”、
“638”、“638”、“638”、“638”、“638”、“638”、“836”、“836”、“836”、
“836”、“836”、“836”、“836”、“836”、“836”、“836”、“836”、“836”、
“836”，“836”，“836”）），.Names = c（“t”，“e”，“id”），row.names = c（855945L，
1481100L, 1508045L, 16944L, 920490L, 921005L, 349201L, 494172L,
746450L、904442L、1163757L、653045L、654357L、834901L、1047932L、
1583218L, 1613753L, 36421L, 37178L, 139968L, 162274L, 162417L,
162804L、430725L、654254L、654350L、654453L、670726L、1333676L、
1384583L、1401293L、1491782L)、类 = "data.frame")
4

3 回答 3

3

这是使用包和包中的ddply函数解析日期的 1 行解决方案。plyrlubridate

代码：

library(plyr)
library(lubridate)

new_df <- ddply(.data=df, .variables=c('id'), summarize,
                days=round(ymd_hms(t[match('R',e)])-ymd_hms(t[match('A',e)]),1))
new_df

输出：

   id      days
1 086 10.9 days
2 115   NA days
3 522   NA days
4 524  2.3 days
5 638  3.2 days
6 836  1.8 days

请注意，有 2 个警告，因为ids 115 和 522 没有e变量的值。

如果您希望日期差为十进制值，则可以使用该as.double函数，如下所示：

基本上，我正在使用该match函数来查找 and 的第一次出现，A并使用该函数R解析日期变量ymd_hmslubridate，然后找到两个日期的差异。我将其四舍五入到小数点后 1 位，然后将其转换为double用于显示。

编辑

在阅读了 OPs 的评论后，这是一种相当丑陋的方法来获得所需的结果。原谅我，现在是一大早，可能不优雅也不高效，但似乎输出了想要的结果。

代码：

grouper <- function(var, group) {
  num <- 1
  res <- c(1:length(var))
  for(i in 1:length(var)) {
    res[i] <- num
    if(var[i]==group) {
      num <- num+1
    }
  }
  return(res)
}

df2 <- df
df2$group <- ddply(.data=df, .variables='id', summarize, group=grouper(e,'R'))$group

df3 <- ddply(.data=df2, .variables=c('id','group'), summarize,
             days=round(ymd_hms(t[match('R',e)])-ymd_hms(t[match('A',e)]),1))

df3[complete.cases(df3),-2]

输出：

    id      days
1  086 10.9 days
6  524  2.3 days
7  524  2.5 days
9  638  3.2 days
10 638  9.6 days
12 836  1.8 days
13 836  4.8 days
14 836 11.3 days
16 836  1.7 days

这个想法是添加另一列，按“R”事件的发生对行进行分组，以便我可以通过 ID 和“R”事件对数据集进行子集化。这有点老套，我相信还有更优雅的方法可以做到这一点。

现在，我要去喝咖啡了。

于 2013-07-18T21:30:58.273 回答
3

不需要任何东西，只需要基本的 R。订购你的 data.frame，选择你的“第一个”外观，最后使用类似于你使用的聚合：

df <- df[do.call(order, df), ]
df <- df[!duplicated(df[, c("id", "e")]), ]
tdiff <- function(x) {
  if(length(x) == 2) {
     rv <- as.numeric(difftime(strptime(x[2], format="%Y-%m-%d %H:%M:%S"),
                               strptime(x[1], format="%Y-%m-%d %H:%M:%S"),
                               units = "days"))
  } else {
     rv <- NA
  }
  rv
}

rv <- aggregate(df$t, by = list(id = df$id), tdiff)

只是为了关闭，因为您不再需要它，这里是您想要的版本。

df <- df[do.call(order, df), ]
df_a <- subset(df, e == "A")
df_a <- df_a[!duplicated(df_a[, c("id", "e")]), ]
df_r <- subset(df, e == "R")
df_r[, 'A'] <- df_a[match(df_r$id, df_a$id), 't']
df_r[, 'R_A'] <- as.numeric(difftime(strptime(df_r[, 't'], format="%Y-%m-%d %H:%M:%S"),
                           strptime(df_r[, 'A'], format="%Y-%m-%d %H:%M:%S"),
                           units = "days"))
rv <- df_r[, c('id', 'R_A')]
rv[!is.na(rv$R_A) & rv$R_A < 0, 'R_A'] <- NA
rv <- rv[!duplicated(rv), ]
于 2013-07-18T21:49:25.893 回答
2

这是一种方法

df <- transform(df, t=as.POSIXct(t))
sp <- split(df, df$id)
calc_diff <- function(x) {
    start <- min(subset(x, e=="A")$t)
    end <- min(subset(x, e=="R")$t)
    return(end-start)
}
sapply(sp, FUN=calc_diff)
于 2013-07-18T21:31:06.663 回答