填补不规则结束和开始时间戳之间的空白

Question

我正在 Shiny 开发一个简单的时间表/时间跟踪应用程序供个人使用。该应用程序将记录我开始和停止活动的时间戳。但是，一天中的某些时候，特定任务之间存在自然间隙，您仍然需要做一些事情。这些中间时间段不会被应用程序捕获，但会作为时间戳之间的“间隙”出现在数据中。示例数据如下所示（帖子末尾的数据输出）：

# A tibble: 9 x 3
  start               end                 activity  
  <dttm>              <dttm>              <chr>     
1 2022-11-28 10:00:00 2022-11-28 10:50:30 Activity 1
2 2022-11-28 10:50:30 2022-11-28 11:39:05 Activity 2
3 2022-11-28 12:01:00 2022-11-28 16:10:45 Activity 2
4 2022-11-29 10:00:00 2022-11-29 10:50:30 Activity 1
5 2022-11-29 10:50:31 2022-11-29 11:00:15 Activity 4
6 2022-11-29 12:00:00 2022-11-29 13:00:00 Activity 5
7 2022-11-29 13:00:00 2022-11-29 16:00:00 Activity 2
8 2022-11-30 08:00:05 2022-11-30 10:00:00 Activity 1
9 2022-11-30 16:03:05 2022-11-30 17:00:00 Activity 2

数据的差距是显而易见的。例如，在 28 日，第一个条目和第二个条目之间没有间隔（第一个条目的结束时间等于第二个条目的开始时间）。但是，第二个条目和第三个条目之间存在间隙（第二个条目的结束时间与第三个条目不同）。我们可以在样本数据中找到其他日子的类似差距。

我想做的是用一个名为“其他”的活动来填补这些空白，这样每天第一个条目的开始和最后一个条目的结束之间就没有间隙。也就是说，所有现有的差距都被填补了。所需的输出将如下所示：

# A tibble: 13 x 3
   start               end                 activity  
   <dttm>              <dttm>              <chr>     
 1 2022-11-28 10:00:00 2022-11-28 10:50:30 Activity 1
 2 2022-11-28 10:50:30 2022-11-28 11:39:05 Activity 2
 3 2022-11-28 11:39:05 2022-11-28 12:01:00 Other     
 4 2022-11-28 12:01:00 2022-11-28 16:10:45 Activity 2
 5 2022-11-29 10:00:00 2022-11-29 10:50:30 Activity 1
 6 2022-11-29 10:50:30 2022-11-29 10:50:31 Other     
 7 2022-11-29 10:50:31 2022-11-29 11:00:15 Activity 4
 8 2022-11-29 11:00:15 2022-11-29 12:00:00 Other     
 9 2022-11-29 12:00:00 2022-11-29 13:00:00 Activity 5
10 2022-11-29 13:00:00 2022-11-29 16:00:00 Activity 2
11 2022-11-30 08:00:05 2022-11-30 10:00:00 Activity 1
12 2022-11-30 10:00:00 2022-11-30 16:03:05 Other     
13 2022-11-30 16:03:05 2022-11-30 17:00:00 Activity 2

在可预见的未来，数据将每天创建，因此该解决方案可能必须在更大的数据集上运行，并且矢量化方法更可取。到目前为止，我一直在 tidyverse 和 lubridate 工作。我不确定我是否忽略了一些简单/容易的事情（我希望如此）。

我首先想到的是写一个循环或者使用 lapply 类型的表达式。随着数据的增长，这可能会很快失控，除非我记得始终填写或运行检查并定期填写数据（我最终可能会到达应用程序的这一部分）。

或者，我开始考虑将数据旋转更长的时间，创建每组 2 场比赛，每天都有开始和结束时间，以找出差距。这可能很快，但我很难找到解决问题的好方法。

如果重要，每次添加条目时，数据都会提交到本地 SQLite 数据库。

非常感谢对此的任何帮助/输入。

样本数据：

library(tidyverse)
library(lubridate)

db <- structure(list(start = structure(c(1669629600, 1669632630, 1669636860, 
1669716000, 1669719031, 1669723200, 1669726800, 1669795205, 1669824185
), class = c("POSIXct", "POSIXt"), tzone = "UTC"), end = structure(c(1669632630, 
1669635545, 1669651845, 1669719030, 1669719615, 1669726800, 1669737600, 
1669802400, 1669827600), class = c("POSIXct", "POSIXt"), tzone = "UTC"), 
    activity = c("Activity 1", "Activity 2", "Activity 2", "Activity 1", 
    "Activity 4", "Activity 5", "Activity 2", "Activity 1", "Activity 2"
    )), row.names = c(NA, -9L), class = c("tbl_df", "tbl", "data.frame"
))

Answer 1

这是一种方法：

library(dplyr)
library(lubridate)

db %>% 
  bind_rows(
    data.frame(
      start = db %>% 
        group_by(day(start)) %>% 
        filter(end != lead(start)) %>% 
        pull(end),
      end = NA,
      activity= "Other"
    )
  ) %>% 
  arrange(start) %>% 
  mutate(end = if_else(is.na(end),lead(start),end))

# A tibble: 13 x 3
   start               end                 activity  
   <dttm>              <dttm>              <chr>     
 1 2022-11-28 10:00:00 2022-11-28 10:50:30 Activity 1
 2 2022-11-28 10:50:30 2022-11-28 11:39:05 Activity 2
 3 2022-11-28 11:39:05 2022-11-28 12:01:00 Other     
 4 2022-11-28 12:01:00 2022-11-28 16:10:45 Activity 2
 5 2022-11-29 10:00:00 2022-11-29 10:50:30 Activity 1
 6 2022-11-29 10:50:30 2022-11-29 10:50:31 Other     
 7 2022-11-29 10:50:31 2022-11-29 11:00:15 Activity 4
 8 2022-11-29 11:00:15 2022-11-29 12:00:00 Other     
 9 2022-11-29 12:00:00 2022-11-29 13:00:00 Activity 5
10 2022-11-29 13:00:00 2022-11-29 16:00:00 Activity 2
11 2022-11-30 08:00:05 2022-11-30 10:00:00 Activity 1
12 2022-11-30 10:00:00 2022-11-30 16:03:05 Other     
13 2022-11-30 16:03:05 2022-11-30 17:00:00 Activity 2

Answer 2

这是另一种使用 tidyverse 的方法。添加一列以指示下一行 start 时间。然后，筛选出有间隙的行（end时间小于下一行start时间）。将这些行更改为“其他”并修改间隔时间。然后，使用 bind_rows 添加回原始 data.frame。

library(tidyverse)
library(lubridate)

db %>%
  group_by(day(start)) %>%
  mutate(nextstart = lead(start)) %>%
  ungroup() %>%
  filter(end < nextstart) %>%
  transmute(start = end, end = nextstart, activity = "Other") %>%
  bind_rows(db) %>%
  arrange(start)

输出

   start               end                 activity  
   <dttm>              <dttm>              <chr>     
 1 2022-11-28 10:00:00 2022-11-28 10:50:30 Activity 1
 2 2022-11-28 10:50:30 2022-11-28 11:39:05 Activity 2
 3 2022-11-28 11:39:05 2022-11-28 12:01:00 Other     
 4 2022-11-28 12:01:00 2022-11-28 16:10:45 Activity 2
 5 2022-11-29 10:00:00 2022-11-29 10:50:30 Activity 1
 6 2022-11-29 10:50:30 2022-11-29 10:50:31 Other     
 7 2022-11-29 10:50:31 2022-11-29 11:00:15 Activity 4
 8 2022-11-29 11:00:15 2022-11-29 12:00:00 Other     
 9 2022-11-29 12:00:00 2022-11-29 13:00:00 Activity 5
10 2022-11-29 13:00:00 2022-11-29 16:00:00 Activity 2
11 2022-11-30 08:00:05 2022-11-30 10:00:00 Activity 1
12 2022-11-30 10:00:00 2022-11-30 16:03:05 Other     
13 2022-11-30 16:03:05 2022-11-30 17:00:00 Activity 2