[R編程：如何找到在每兩個連續的日期值的差異，給出了具體的ID

Question

這裏是什麼我的數據集看起來像一個簡化版本：

> df 
    ID total_sleep sleep_end_date 
1 1   9  2017-09-03 
2 1   8  2017-09-04 
3 1   7  2017-09-05 
4 1   10  2017-09-06 
5 1   11  2017-09-07 
6 2   5  2017-09-03 
7 2   12  2017-09-04 
8 2   4  2017-09-05 
9 2   3  2017-09-06 
10 2   6  2017-09-07 

凡total_sleep以小時爲單位表示。

我正在試圖找到的是在給定特定用戶ID的情況下，每兩個連續日期的睡眠小時數的絕對差異。所需的輸出應該是這個樣子：

> df_answer 

    ID total_sleep sleep_end_date  diff_hours_of_sleep 
1 1   9  2017-09-03      NA 
2 1   8  2017-09-04      1 
3 1   7  2017-09-05      1 
4 1   10  2017-09-06      3 
5 1   11  2017-09-07      1 
6 2   5  2017-09-03      NA 
7 2   12  2017-09-04      7 
8 2   4  2017-09-05      8 
9 2   3  2017-09-06      1 
10 2   6  2017-09-08      NA 

NA出現在行1和6，因爲它沒有關於前一天的任何數據。

最重要的是，NA出現在第10行，因爲我沒有關於前一天（2017-09-07）的任何數據。這是我編寫代碼最棘手的部分。

我已經Google（意思是：「stackoverflowed」）這並試圖找到一個解決方案使用「數據爭奪cheatsheet」爲dplyr，但我一直沒能找到一個函數，使我能夠做什麼我想要考慮這兩個變量：日期和不同的用戶ID。

我是R的初學者，所以我可能確實缺少一些簡單的東西。任何意見或建議將非常受歡迎！

Answer 1

## Order data.frame by IDs, then by increasing sleep_end_dates (if not already sorted) 
df <- df[order(df$ID, df$sleep_end_date),] 

## Calculate difference in total_sleep with previous entry 
df$diff_hours_of_sleep <- c(NA,abs(diff(df$total_sleep))) 

## If previous ID is not equal, replace with diff_hours_of_sleep with NA 
ind <- c(NA, diff(df$ID)) 
df$diff_hours_of_sleep[ind != 0] <- NA 

## And if previous day wasn't yesterday, replace diff_hours_of_sleep with NA 
day_ind <- c(NA, diff(df$sleep_end_date)) 
df$diff_hours_of_sleep[day_ind != 1] <- NA 

Answer 2

也許下面會這樣做。

df <- lapply(split(df, df$ID), function(x){ 
     y <- ifelse(diff(x$sleep_end_date) == 1, abs(diff(x$total_sleep)), NA) 
     x$diff_hours_of_sleep <- c(NA, y) 
     x 
}) 
df <- do.call(rbind, df) 
df 

Answer 3

下面是使用data.table的解決方案 -

dt1 <- data.table(df, key=c('id', 'sleep_end_date')) 
merge(
    dt1[,.(id, total_sleep, sleep_end_date, i=.I - 1)], 
    dt1[,.(id, total_sleep, i=.I)], by=c('id','i'), all.x=TRUE) [,.(id,sleep_end_date,\ 
total_sleep.x,delta=total_sleep.y-total_sleep.x)] 
    id sleep_end_date total_sleep.x delta 
1: 1  2017-09-03    9 NA 
2: 1  2017-09-04    8  1 
3: 1  2017-09-05    7  1 
4: 1  2017-09-06   10 -3 
5: 1  2017-09-07   11 -1 
6: 2  2017-09-03    5 NA 
7: 2  2017-09-04   12 -7 
8: 2  2017-09-05    4  8 
9: 2  2017-09-06    3  1 
10: 2  2017-09-07    6 -3 

我不知道怎麼peformance比較純data.frame的方法，但它似乎很好地擴展;將輸入設置爲20,000行，這在我的系統上花費了一秒鐘。