使用dplyr的lead或lag结合其他变量

问题描述 投票：1回答：3

我有一个数据帧：

                 Time   CardID    Data      Type
1  2018-01-01 10:44:35 10037479 PowerOn  STBEvent
2  2018-01-01 10:44:48 10037479    0401 UseRemote
3  2018-01-01 10:44:53 10037479    0301 UseRemote
4  2018-01-01 10:45:13 10037479    0401 UseRemote
5  2018-01-01 10:45:24 10037479    0301 UseRemote
6  2018-01-01 10:45:30 10037479    1415  LiveView
7  2018-01-01 10:45:37 10037479    0401 UseRemote
8  2018-01-01 11:08:01 10037479    1412  LiveView
9  2018-01-01 11:08:13 10037479    0401 UseRemote
10 2018-01-01 11:14:31 10037479    0301 UseRemote

structure(list(Time = structure(c(1514783675, 1514783688, 1514783693, 
1514783713, 1514783724, 1514783730, 1514783737, 1514785081, 1514785093, 
1514785471), class = c("POSIXct", "POSIXt")), CardID = c("10037479", 
"10037479", "10037479", "10037479", "10037479", "10037479", "10037479", 
"10037479", "10037479", "10037479"), Data = c("PowerOn", "0401", 
"0301", "0401", "0301", "1415", "0401", "1412", "0401", "0301"
), Type = c("STBEvent", "UseRemote", "UseRemote", "UseRemote", 
"UseRemote", "LiveView", "UseRemote", "LiveView", "UseRemote", 
"UseRemote")), .Names = c("Time", "CardID", "Data", "Type"), row.names = c(NA, 
10L), class = "data.frame")

我正在使用dplyr中的前导和滞后函数来获取特定行之前和之后的数据点。例如，我使用这个：

ae1 <- which(dplyr::lag(df$Data)=="1415")+1

这使我从上面的数据框中得到第6行，其中Type等于“LiveView”。我理解通过改变代码末尾的整数，我可以从数据帧中获得相应的行。我的问题是：我可以使用相同/类似的功能，我可以在下一个“LiveView”获取数据 - 这是第8行。我可以做得很好

ae1 <- which(dplyr::lag(df$Data)=="1415")+3

得到第8行。但是下一个LiveView类型可以出现在除8之外的任何行中。我在想类似的东西

ae1 <- which(dplyr::lag(df$Data)=="1415")+nrow(where Type == next "LiveView")
r dplyr
3个回答
1
投票

1）如果目标是找到第一个1415行之后的第一个LiveWire行的行号，则使用显示的连接，然后使用which和first来获取行号和第一个行号。请注意，cummany对于1415年以来的第一个Data组件是正确的，并且通过滞后我们只对那些在它结束之后的那些组成。如果我们知道只有一个这样的行，那么我们可以省略first。由于dplyr的滞后与基地中的lag冲突，我们使用dplyr::lag来确保我们使用所需的。

df %>% 
  { dplyr::lag(cumany(.$Data == 1415)) & .$Type == "LiveView" } %>%
  which %>%
  first
  ## [1] 8

2）如果我们想要行本身而不是使用filter和slice。如果我们知道只有一个这样的行，我们可以省略slice：

df %>% 
  filter(dplyr::lag(cumany(Data == 1415)) & Type == "LiveView") %>%
  slice(1)
##                  Time   CardID Data     Type
## 1 2018-01-01 00:38:01 10037479 1412 LiveView

请注意，如果我们通过用以下代码替换第一行代码来向df添加行号：

df %>% mutate(n = 1:n()) %>%

那么上面的代码除了在其他列中的行本身之外还会给出n列中的行号。

2a）（2）的替代方法是我们可以先用cumany(Data == 1415)过滤从第1415行开始的所有行，然后删除第一行，因为我们只需要在它之后的行，然后找到其中的LiveView行并取第一。

df %>% 
  filter(cumany(Data == 1415)) %>%
  slice(-1) %>%
  filter(Type == "LiveView") %>%
  slice(1)
##                  Time   CardID Data     Type
## 1 2018-01-01 00:38:01 10037479 1412 LiveView

更新

修订。

1
投票

我正在使用dplyr中的前导和滞后函数来获取特定行之前和之后的数据点。 [...]我可以使用相同/类似的功能，我可以在下一个“LiveView”[？]中获取数据

如果对于Data == 1415的每个实例，你想找到CardID匹配的下一行，Type匹配，Time更大，那么......

library(data.table)
setDT(df)

mdf = df[Data == "1415", .(CardID, Type, Time)]
w   = df[mdf, on=.(CardID, Type, Time > Time), mult="first", which=TRUE]
df[w]

#                   Time   CardID Data     Type
# 1: 2018-01-01 00:38:01 10037479 1412 LiveView

如果您有重复的时间，那么Time将不能用作行号。您可以添加像df[, rn := .I]或df[, rn := rowid(CardID)]这样的行号，然后使用它。

与on=的行是一个非equi连接，目前在dplyr中不可用，这就是我在这里发布不同包的原因。

如果你想要返回两行....

w0 = df[Data == "1415", which=TRUE]
w  = df[df[w0], on=.(CardID, Type, Time > Time), mult="first", which=TRUE]
df[matrix(c(w0, w), 2, byrow=TRUE)]

#                   Time   CardID Data     Type
# 1: 2018-01-01 00:15:30 10037479 1415 LiveView
# 2: 2018-01-01 00:38:01 10037479 1412 LiveView

或者，如果您还想要在行之前的数据点：

wb = df[df[w0], on=.(CardID, Type, Time < Time), mult="first", which=TRUE]
df[matrix(c(wb, w0, w), 3, byrow=TRUE)]

#                   Time   CardID Data     Type
# 1:                <NA>     <NA> <NA>     <NA>
# 2: 2018-01-01 00:15:30 10037479 1415 LiveView
# 3: 2018-01-01 00:38:01 10037479 1412 LiveView

由于没有行符合这些标准，因此显示了NA。

0
投票

一种方法是dplyr::group_by基于Type，dplyr::filter感兴趣的Type的数据，然后dplyr::slice到你想要的位置，在这种情况下，位置2：

library(dplyr)

df <- 
  structure(
    list(
      Time = 
        structure(c(1514783675, 1514783688, 1514783693, 
                    1514783713, 1514783724, 1514783730, 1514783737, 1514785081, 1514785093, 
                    1514785471), class = c("POSIXct", "POSIXt")), 
      CardID = c("10037479", "10037479", "10037479", "10037479", "10037479", "10037479", "10037479", 
                 "10037479", "10037479", "10037479"), 
      Data = c("PowerOn", "0401", "0301", "0401", "0301", "1415", "0401", "1412", "0401", "0301"), 
      Type = c("STBEvent", "UseRemote", "UseRemote", "UseRemote", 
               "UseRemote", "LiveView", "UseRemote", "LiveView", "UseRemote", 
               "UseRemote")), 
    .Names = c("Time", "CardID", "Data", "Type"), 
    row.names = c(NA, 10L), 
    class = "data.frame")


df %>% 
group_by(Type) %>% 
filter(Type %in% 'LiveView') %>% 
slice(2)
最新问题
© www.soinside.com 2019 - 2024. All rights reserved.