在 R 中使用 plyr 获取累积计数答案

【问题标题】：Getting cummulative count with plyr in R在 R 中使用 plyr 获取累积计数
【发布时间】：2014-08-22 13:34:50
【问题描述】：

我有一个包含大约 70,000 行的数据框，我正在尝试根据日期时间变量获取计数> 我一直在使用 plyr 进行其他分析，但这个分析不起作用。我的数据框如下：

Create.Date.Time        Service         Closing.Date.Time
1   2013-06-01 12:59:00 AV              2013-06-01 13:59:00
2   2013-06-02 07:56:00 SERVICE684793   2013-06-02 08:59:00
3   2013-06-02 09:39:00 SERVICE684793   2013-06-03 12:01:00
4   2013-06-02 14:14:00 SERVICE684796   2013-06-02 14:55:00
5   2013-06-02 17:20:00 SERVICE684797   2013-06-03 12:06:00
6   2013-06-03 07:20:00 SERVICE684793   2013-06-03 07:39:00
7   2013-06-03 08:02:00 SERVICE684839   2013-06-03 12:09:00
8   2013-06-03 08:04:00 SERVICE684841   2013-06-04 08:05:00
9   2013-06-03 08:04:00 SERVICE684841   2013-06-05 08:06:00
10  2013-06-03 08:08:00 SERVICE684841   2013-06-03 08:08:00

我的目标是获取每个 Create.Date.Time 已关闭的观察次数。我不想使用 for 循环，因为这将花费很长时间。我想用 plyr，函数是一个计数：

计算观察次数，其中

Closing.Date.Time

对于每个Create.Date.Time 对于每个Service.

我的起点是ddply (df, .(Service, Create.Date.Time), ...)，但我的函数有问题，因为值取决于我的Create.Date.Time，我不知道如何写。有人可以帮我吗？

我想最终得到一个这样的数据框：

 Service        Create.Date.Time      Num.Closed
  AV            2013-06-01 12:59:00      0
  SERVICE684793 2013-06-02 07:56:00      0
  SERVICE684793 2013-06-02 09:39:00      1
  SERVICE684793 2013-06-03 07:20:00      1
  SERVICE684796 2013-06-02 14:14:00      0
  SERVICE684797 2013-06-02 17:20:00      0
  SERVICE684839 2013-06-03 08:02:00      0
  SERVICE684841 2013-06-03 08:04:00      0
  SERVICE684841 2013-06-03 08:04:00      0
  SERVICE684841 2013-06-03 08:08:00      3

【问题讨论】：

在您展示的数据集中。 with(df, Closing.Date.Time <=Create.Date.Time)# [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE。只有一行是 TRUE。我不确定您是如何在预期输出中得到3 的。
我实际上想要一个累积计数，我自己输入了预期的数据框，例如，对于我的数据框第 10 行的 Create.Date.Time，对该服务有三个观察结果结束时间
您能否使用dput(df) 提供您的数据框，其中df 是您的数据框？
@user3770767。对于SERVICE684797 行，看起来像Closing.date.time <= Create.Date.Time'. So, Num.Closed would be 1`？
@akrun，不，不是，因为截止日期是2013.06.03，而开幕日期是2013.06.02。所以截止日期是在开幕日期之后。我已经尝试修改您的代码以包含日期。还没有成功:-(

标签： r plyr

【解决方案1】：

我不太确定您想要最终得到的 data.frame 与您在获得结果后提出的问题有何关联。不是你描述的那个。如果没有其他选择，您是否可以编写您将使用的循环？

如果你想要（如你所写）：

计算观察次数

Closing.Date.Time <= Create.Date.Time

对于每个Create.Date.Time 对于每个Service，那么一个好方法是使用data.table 包。在这种情况下，您的数据是：

       Create.Date.Time       Service   Closing.Date.Time
 1: 2013-06-01 12:59:00            AV 2013-06-01 13:59:00
 2: 2013-06-02 07:56:00 SERVICE684793 2013-06-02 08:59:00
 3: 2013-06-02 09:39:00 SERVICE684793 2013-06-03 12:01:00
 4: 2013-06-02 14:14:00 SERVICE684796 2013-06-02 14:55:00
 5: 2013-06-02 17:20:00 SERVICE684797 2013-06-03 12:06:00
 6: 2013-06-03 07:20:00 SERVICE684793 2013-06-03 07:39:00
 7: 2013-06-03 08:02:00 SERVICE684839 2013-06-03 12:09:00
 8: 2013-06-03 08:04:00 SERVICE684841 2013-06-04 08:05:00
 9: 2013-06-03 08:04:00 SERVICE684841 2013-06-05 08:06:00
10: 2013-06-03 08:08:00 SERVICE684841 2013-06-03 08:08:00

日期和时间为POSIXct 格式。

然后：

dt[, sum(Closing.Date.Time <= Create.Date.Time ), by = c('Service', 'Create.Date.Time')]

会导致

         Service    Create.Date.Time V1
1:            AV 2013-06-01 12:59:00  0
2: SERVICE684793 2013-06-02 07:56:00  0
3: SERVICE684793 2013-06-02 09:39:00  0
4: SERVICE684796 2013-06-02 14:14:00  0
5: SERVICE684797 2013-06-02 17:20:00  0
6: SERVICE684793 2013-06-03 07:20:00  0
7: SERVICE684839 2013-06-03 08:02:00  0
8: SERVICE684841 2013-06-03 08:04:00  0
9: SERVICE684841 2013-06-03 08:08:00  1

这就是你所描述的。

干杯。

【讨论】：

【解决方案2】：

我没有完全理解这个问题，因为有一个实例显示的预期输出与我得到的输出不同。如果这只是一个错字：

数据

 df <-   structure(list(Create.Date.Time = structure(c(1370105940, 1370174160, 
 1370180340, 1370196840, 1370208000, 1370258400, 1370260920, 1370261040, 
 1370261040, 1370261280), class = c("POSIXct", "POSIXt"), tzone = ""), 
 Service = c("AV", "SERVICE684793", "SERVICE684793", "SERVICE684796", 
"SERVICE684797", "SERVICE684793", "SERVICE684839", "SERVICE684841", 
"SERVICE684841", "SERVICE684841"), Closing.Date.Time = structure(c(1370109540, 
1370177940, 1370275260, 1370199300, 1370275560, 1370259540, 
1370275740, 1370347500, 1370433960, 1370261280), class = c("POSIXct", 
"POSIXt"), tzone = "")), .Names = c("Create.Date.Time", "Service", 
"Closing.Date.Time"), row.names = c("1", "2", "3", "4", "5", 
"6", "7", "8", "9", "10"), class = "data.frame")

从POSIXct 类中提取时间

library(lubridate)

dfNew <- within(df, {
            Createtime <- period_to_seconds(hms(strftime(Create.Date.Time, "%H:%M:%S")))
         Closingtime <- period_to_seconds(hms(strftime(Closing.Date.Time, "%H:%M:%S")))})

dfNew <- dfNew[order(dfNew$Service),] #not that necessary

使用data.table

library(data.table)
setDT(dfNew)[,Num.Closed := cumsum(unlist(lapply(1:.N, function(i) sum(Closingtime[1:i] <=Createtime[i])))),
   by=Service][,c(2,1,6), with=FALSE] 
#              Service    Create.Date.Time Num.Closed
 #1:            AV 2013-06-01 12:59:00          0
 #2: SERVICE684793 2013-06-02 07:56:00          0
 #3: SERVICE684793 2013-06-02 09:39:00          1
 #4: SERVICE684793 2013-06-03 07:20:00          1
 #5: SERVICE684796 2013-06-02 14:14:00          0
 #6: SERVICE684797 2013-06-02 17:20:00          1
 #7: SERVICE684839 2013-06-03 08:02:00          0
 #8: SERVICE684841 2013-06-03 08:04:00          0
 #9: SERVICE684841 2013-06-03 08:04:00          0
#10: SERVICE684841 2013-06-03 08:08:00          3

【讨论】：

感谢您的帮助。我觉得完全愚蠢，但是在提取时间与“period_to_seconds”之前有什么方法可以结合日期和时间？因为日期/时间的比较也应该考虑日期......