R中的连续事件分析答案

【问题标题】：Consecutive event analysis in RR中的连续事件分析
【发布时间】：2017-01-19 23:41:47
【问题描述】：

我需要帮助解决这个问题。我检查了其他各种帖子，但我无法将其拼凑起来。我有数据，大约 100,000 条运动员和他们参加的训练项目的记录。我简化了数据，但这种方法适合整个数据集。

data.frame 的代码：

# Fictitious data
days <- seq(as.Date("2016/01/01"), as.Date("2016/01/28"), "days")
events <- c("Run","Swim","Swim","Cycle","Rest","Gym","Swim","Run",
  "Cycle","Run","Swim","Swim","Run","Swim","Cycle","Rest","Gym",
  "Swim","Swim","Swim","Run","Swim","Run","Gym","Rest","Gym",
  "Cycle","Swim")
my.data <- data.frame(athlete = 1, days,events)
# Note - This data repeats for many participants, but I did not include more than 1

我需要标记每周完成至少 3 次游泳比赛的运动员至少连续 2 周。

编辑：我没有正确考虑这一点。让我们把这变得更复杂一些。假设我们使用跑步周，即一组 7 天而不是日历周，从每个运动员的第一个游泳活动开始。

更新：我还有另一个挑战，假设我只想寻找至少连续 10 天，每 5 天 3 次游泳事件的模式，任何地方在数据中。

谢谢

【问题讨论】：

标签： r date events

【解决方案1】：

你可以做一个两步总结，首先计算每个运动员每周的游泳次数，然后检查是否有任何连续周的运动员超过3次游泳：

library(dplyr)
library(lubridate)
my.data %>% 
      arrange(days) %>% 
      group_by(athlete, w = week(days)) %>% 
      summarise(n_swim = sum(events == "Swim")) %>% 
      group_by(athlete) %>% 
      summarise(flag = any(diff(w[n_swim >= 3]) == 1))

# A tibble: 1 x 2
#  athlete  flag
#    <dbl> <lgl>
#1       1  TRUE

更新：要设置从第一次游泳开始的星期，使用which.max()找出第一个Swim出现的索引，然后减去这一天的所有天数得到日差，那么如果你做模（7）计算，周数将从这一天开始：

my.data %>% 
        arrange(days) %>% group_by(athlete) %>% 
        mutate(Swim = events == "Swim", 
               w = as.integer(days - days[which.max(Swim)]) %/% 7) %>%
        # the first swim day is set as zero, a modulo of 7 will give week number 
        # starting from this day            

        group_by(w, add = TRUE) %>% 
        summarise(n_swim = sum(Swim)) %>% 
        group_by(athlete) %>% 
        summarise(flag = any(diff(w[n_swim >= 3]) == 1))

# A tibble: 1 x 2
#  athlete  flag
#    <dbl> <lgl>
#1       1  TRUE

【讨论】：

我会接受您的回答，因为我没有正确指定。我将编辑问题并添加一个转折点。也许你有解决方案？
我认为您的第二个解决方案无法正常工作。运动员 1 的第一次游泳是 02/01/2016，在接下来的 7 天内（包括第一次游泳），“他”游泳了 3 次。此后的 7 天内也有 3 次，因此它满足 7 天连续 2 次游泳 3 次的标准。代码返回 FALSE。
它对我来说是真实的。我假设当您说运行周时，您并不意味着周重叠，对吗？还是一周又一周，只是不同运动员的起点不一样？
你是对的，我没有检查天字段是日期。它有效，谢谢！是的，这是连续几周，每个运动员都从新开始。

【解决方案2】：

快速而肮脏的代码，但请检查它是否适用于您的数据集：

library(tidyverse)
library(lubridate)

df %>% 
    mutate(weeknum=week(days)) %>% 
    group_by(athlete,weeknum) %>% 
    filter(events=='Swim') %>% 
    summarise(n=n()) %>% 
    mutate(gt_3=as.numeric(n>=3),
           x=gt_3-lag(gt_3,1),
           flag=x==0) %>% 
    filter(flag==T) %>% 
    select(athlete) %>% 
    distinct()

【讨论】：