我有一个包含事件 ID、事件类型和事件时间的数据集。事件由“开始”和“暂停”组成。我想识别 7 天内没有发生“开始”事件的“暂停”事件,并将其分类为“停止”。
这是测试数据集的代码:
test <- data.frame("id" = 1:5,
"event" = c("pause",
"pause",
"start",
"pause",
"start"),
"time" = dmy("03-11-2012",
"05-11-2012",
"06-11-2012",
"21-11-2012",
"30-11-2012"))
到目前为止,我使用 Lead() 来检查以下事件是否是“开始”事件并且在 7 天内发生。然而,我意识到有时“暂停”事件之后会发生另一个“暂停”事件,然后是“开始”事件,所有这些都在 7 天内发生。在这种情况下,两个“暂停”事件都不应被视为停止。这意味着我需要检查“暂停”事件后 7 天内发生的所有事件/行并查找“开始”事件。
我正在寻找一个可以在 dplyr 中使用的函数(如果必须的话,我将使用非 dplyr 解决方案),我可以在其中检查多行的值。
到目前为止,我的解决方案使用 Lead(),它仅检查紧邻的下一行。
test2 <- test %>%
mutate(stop = ifelse(event == "pause" &
!((time + days(7) > lead(time)) &
lead(event) == "start"),
"yes",
"no"))
这给出
|id|event|time |stop|
|------------------------|
|1 |pause|2012-11-03|yes |
|2 |pause|2012-11-05|no |
|3 |start|2012-11-06|no |
|4 |pause|2012-11-21|yes |
|5 |start|2012-11-30|no |
我希望第一个“暂停”的停止列值也为“否”,因为它在 7 天内有一个“开始”事件。
最佳答案
如果您想在 dplyr
函数内执行此操作,您可以在 mutate
内 sapply
:
test %>%
mutate(stop = sapply(seq_along(time),
function(i) {
if(event[i] != "pause") return(FALSE)
ind <- which(time > time[i] & event == "start")
if(length(ind) == 0) return(FALSE)
as.numeric(difftime(time[ind[1]], time[i], units = "day")) > 7
}))
#> id event time stop
#> 1 1 pause 2012-11-03 FALSE
#> 2 2 pause 2012-11-05 FALSE
#> 3 3 start 2012-11-06 FALSE
#> 4 4 pause 2012-11-21 TRUE
#> 5 5 start 2012-11-30 FALSE
关于r - 使用 dplyr 检查满足条件的多行值(不包括日期列属于指定时间段的所有行),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/63582755/