結合符合R

Question

中的標準的行我有一個標準的數據框，我有個人在一段時間內執行某種行爲。當事件發生在前一次事件發生後的50秒內（延遲< = 50），我想將它與以前的事件結合起來。也就是說，每個事件都會有NA延遲（第一次事件）或延遲> 50。開始時間將是第一個事件的開始時間（NA或> 50），結束時間將是最後事件< = 50（參見下面的數據示例）。我還想在綜合事件中得出X1的總和。希望下面的數據能夠清楚地說明我在找什麼。

原始數據：

ID   Incident Start End  X1 Delay 
Person A 1   747  748  735 NA 
Person A 2   868  882  384 120 
Person A 3   998  999  354 116 
Person A 4   1057 1059 382 58 
Person A 5   1063 1064 138 4 
Person A 6   1077 1078 138 13 
Person A 7   1412 1413 384 334 
Person B 1   739  740  387 NA 
Person B 2   742  743  132 2 
Person B 3   760  761  386 17 
Person B 4   768  769  731 7 
Person B 5   835  835  894 66 
Person B 6   838  839  891 3 
Person B 7   925  926  385 86 

所需數據：

ID   Iteration Start End  X1  Delay 
Person A 1   747  748  735  NA 
Person A 2   868  882  384  120 
Person A 3   998  999  354  116 
Person A 4   1057 1078 658  58 
Person A 5   1412 1413 384  334 
Person B 1   739  769  1636 NA 
Person B 2   835  839  1785 66 
Person B 3   925  926  385  86 

我已經試過許多東西，問題是我不能總用ID，因爲同一個人可能有兩個單獨的事件。

謝謝！並讓我知道你是否需要更多信息。

Answer 1

我認爲你在你想要的結果表中有錯誤。第5行應該是Person A.

以下是使用dplyr來完成此操作的一種方法。理由是我們首先使用cumsum聯合使用indicents。如果延遲> 50或NA，則事件編號將增加1。然後，我們summarise在這個新的事件列。

df%>% 
    group_by(ID)%>% 
    mutate(Incident=cumsum(Delay>50|is.na(Delay)))%>% 
    group_by(ID,Incident)%>% 
    summarise(Start=first(Start),End=last(End),X1=sum(X1),Delay=first(Delay)) 

     ID Incident Start End X1 Delay 
    <chr> <int> <int> <int> <int> <int> 
1 PersonA  1 747 748 735 NA 
2 PersonA  2 868 882 384 120 
3 PersonA  3 998 999 354 116 
4 PersonA  4 1057 1078 658 58 
5 PersonA  5 1412 1413 384 334 
6 PersonB  1 739 769 1636 NA 
7 PersonB  2 835 839 1785 66 
8 PersonB  3 925 926 385 86 

數據

df <- read.table(text="ID Incident Start End X1 Delay 
PersonA 1   747  748  735 NA 
PersonA 2   868  882  384 120 
PersonA 3   998  999  354 116 
PersonA 4   1057 1059 382 58 
PersonA 5   1063 1064 138 4 
PersonA 6   1077 1078 138 13 
PersonA 7   1412 1413 384 334 
PersonB 1   739  740  387 NA 
PersonB 2   742  743  132 2 
PersonB 3   760  761  386 17 
PersonB 4   768  769  731 7 
PersonB 5   835  835  894 66 
PersonB 6   838  839  891 3 
PersonB 7   925  926  385 86",header=TRUE,stringsAsFactors=FALSE)