下一條記錄的索引

我有一個自行車軌跡的樣本數據集。我的目標是要弄清楚，平均的時間量，在訪問B站間的失誤下一條記錄的索引

到目前爲止，我已經能夠簡單地訂購數據集：

test[order(test$starttime, decreasing = FALSE),]

，並找到哪裏start_station和end_station相等B.

which(test$start_station == 'B') 
which(test$end_station == 'B')

接下來的部分是，我遇到麻煩了行索引。爲了計算的時間流逝中，當自行車是在站B之間，我們必須在那裏start_station = "B"（自行車葉）之間的difftime()和下一個出現的記錄其中end_station= "B"，即使記錄恰好是在同一行（見第6行）。

用下面的數據集，我們知道，自行車7:30:00和16:00:00外站B和18:00:00以30分鐘18:30:00外站的B，19:00:00 210之間分鐘，22:30:00外站的B，之間花了510分鐘這平均值爲250 minutes.

如何使用difftime()在R中重現此輸出？

> test 
    bikeid start_station   starttime end_station    endtime 
1  1    A 2017-09-25 01:00:00   B 2017-09-25 01:30:00 
2  1    B 2017-09-25 07:30:00   C 2017-09-25 08:00:00 
3  1    C 2017-09-25 10:00:00   A 2017-09-25 10:30:00 
4  1    A 2017-09-25 13:00:00   C 2017-09-25 13:30:00 
5  1    C 2017-09-25 15:30:00   B 2017-09-25 16:00:00 
6  1    B 2017-09-25 18:00:00   B 2017-09-25 18:30:00 
7  1    B 2017-09-25 19:00:00   A 2017-09-25 19:30:00 
8  1    А 2017-09-25 20:00:00   C 2017-09-25 20:30:00 
9  1    C 2017-09-25 22:00:00   B 2017-09-25 22:30:00 
10  1    B 2017-09-25 23:00:00   C 2017-09-25 23:30:00

這裏是樣本數據：

> dput(test) 
structure(list(bikeid = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1), start_station = c("A", 
"B", "C", "A", "C", "B", "B", "А", "C", "B"), starttime = structure(c(1506315600, 
1506339000, 1506348000, 1506358800, 1506367800, 1506376800, 1506380400, 
1506384000, 1506391200, 1506394800), class = c("POSIXct", "POSIXt" 
), tzone = ""), end_station = c("B", "C", "A", "C", "B", "B", 
"A", "C", "B", "C"), endtime = structure(c(1506317400, 1506340800, 
1506349800, 1506360600, 1506369600, 1506378600, 1506382200, 1506385800, 
1506393000, 1506396600), class = c("POSIXct", "POSIXt"), tzone = "")), .Names = c("bikeid", 
"start_station", "starttime", "end_station", "endtime"), row.names = c(NA, 
-10L), class = "data.frame")

來源

2017-09-25 the_darkside

第一步將轉換爲長格式，如'library（data.table）; mtest = melt（setDT（test），id =「bikeid」，meas = patterns（「_ station」，「time」）， variable.name =「event」，value.name = c（「station」，「time」））; （factor：（1：2），c（「start」，「end」）），on =。（event），event：= i.V2]; 'setkey（mtest，bikeid，time）'，但我不確定之後的最佳方式。 – Frank

這將計算與要求在它發生的順序不同，但它不追加到data.frame

lapply(df1$starttime[df1$start_station == "B"], function(x, et) difftime(et[x < et][1], x, units = "mins"), et = df1$endtime[df1$end_station == "B"]) 

[[1]] 
Time difference of 510 mins 

[[2]] 
Time difference of 30 mins 

[[3]] 
Time difference of 210 mins 

[[4]] 
Time difference of NA mins

要計算平均時間：

v1 <- sapply(df1$starttime[df1$start_station == "B"], function(x, et) difftime(et[x < et][1], x, units = "mins"), et = df1$endtime[df1$end_station == "B"]) 
mean(v1, na.rm = TRUE) 

[1] 250

來源

2017-09-25 18:00:57 manotheshark

謝謝，這個方法有效。你能簡單地解釋'function（x，et）'是如何工作的嗎？ –

'lapply'允許將多個參數傳遞給函數。 'x'的值是'starttime'，而'et'是函數之後定義的附加參數。這是爲了使參數只定義一次，但可以在函數中使用兩次。 – manotheshark

另一種可能性：

library(data.table) 
d <- setDT(test)[ , { 
    start = starttime[start_station == "B"] 
    end = endtime[end_station == "B"] 
    .(start = start, end = end, duration = difftime(end, start, units = "min")) 
} 
, by = .(trip = cumsum(start_station == "B"))] 
d 
# trip    start     end duration 
# 1: 0    <NA> 2017-09-25 01:30:00 NA mins 
# 2: 1 2017-09-25 07:30:00 2017-09-25 16:00:00 510 mins 
# 3: 2 2017-09-25 18:00:00 2017-09-25 18:30:00 30 mins 
# 4: 3 2017-09-25 19:00:00 2017-09-25 22:30:00 210 mins 
# 5: 4 2017-09-25 23:00:00    <NA> NA mins 


d[ , mean(duration, na.rm = TRUE)] 
# Time difference of 250 mins 

# or 
d[ , mean(as.integer(duration), na.rm = TRUE)] 
# [1] 250

的數據由它通過1各自行車從「B」（by = cumsum(start_station == "B")）開始時間增加的計數器分組。

來源

2017-09-25 18:29:39 Henrik

下一條記錄的索引

回答

相關問題