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)

Question

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。

Answer 1

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