列中的值足够接近时的行聚合

【问题标题】：Row aggregation when values are close enough in a column列中的值足够接近时的行聚合
【发布时间】：2012-12-23 06:07:09
【问题描述】：

我有一个包含 2 列的数据框

        time     x
  1306247226     5
  1306247236    10
  1306248127    20
  1306248187    36
  1306249248    28
  1306249258    24
  1306249259    20
  ...

我想汇总“时间”列中的值足够接近的行（例如，假设它们的差异小于 60。）并在聚合行中将它们的“x”值相加。聚合行中的时间值将是聚合的第一行之一。（'time' 是一个 unix 时间戳）

目标是作为这个例子的输出：

        time     x
  1306247226    15
  1306248127    20
  1306248187    36
  1306249248    72
  ...

数据集非常大，'for' 循环将需要很长时间......但如果这是唯一的选择，我可以处理它并等待。有什么想法吗？

非常感谢！

【问题讨论】：

标签： r time dataset row aggregation

【解决方案1】：

你可以使用这样的东西：

首先我为聚合创建一个新列

dat$gg <- cumsum(c(0,diff(dat$time)) > 60)

然后我使用plyr 包来应用函数聚合

library(plyr)
ddply(dat,.(gg),summarise,time = head(time,1),res = sum(x))
  gg       time res
1  0 1306247226  15
2  1 1306248127  56
3  2 1306249248  72

评论后编辑

Op 想要的阈值为 60，不大于 60。所以我需要将 > 更改为 >=

dat$gg <- cumsum(c(0,diff(dat$time)) >= 60)

ddply(dat,.(gg),summarise,time = head(time,1),res = sum(x))
  gg       time res
1  0 1306247226  15
2  1 1306248127  20
3  2 1306248187  36
4  3 1306249248  72

【讨论】：

它们不相同，因为 OP 希望阈值为 60，而不是大于 60。因此，> 应替换为 >=。