在 r 中的某个日期之前和之后识别向量中的事件日志

Question

我有以下数据集，我想对每个序列进行分组和总结。每个序列应拆分为所有事件，这些事件发生在第一个日期后的前 7 天，并将后面的事件合并为一个单独的组。基本上我最大的挑战是找到序列中的第一个日期，添加 7 天并标记该序列中属于该类别的所有日期。

structure(list(`Sequence ID` = c("1_0_0", "1_0_0", "1_0_0", "1_0_0", 
"1_0_0", "1_1_0", "1_1_0", "1_1_0", "1_1_0", "1_1_0", "1_2_0", 
"1_2_1", "1_2_1", "1_2_1", "1_2_1", "1_2_2"), Date = c("02.12.2015 20:16", 
"03.12.2015 20:17", "02.12.2015 20:44", "03.12.2015 09:32", "03.12.2015 09:33", 
"07.12.2015 08:18", "08.12.2015 19:40", "08.12.2015 19:43", "22.12.2015 18:22", 
"22.12.2015 18:23", "23.12.2015 14:18", "05.01.2016 11:35", "05.01.2016 13:21", 
"05.01.2016 13:22", "05.01.2016 13:22", "04.08.2016 08:25"), 
    StimuliA = c(0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 1L, 
    0L, 0L, 0L, 0L, 0L), StimuliB = c(0L, 0L, 0L, 0L, 0L, 0L, 
    0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 1L), Response = c(1L, 
    1L, 1L, 1L, 1L, 0L, 1L, 1L, 1L, 1L, 0L, 0L, 1L, 1L, 1L, 0L
    )), .Names = c("Sequence ID", "Date", "StimuliA", "StimuliB", 
"Response"), class = c("tbl_df", "tbl", "data.frame"), row.names = c(NA, 
-16L), spec = structure(list(cols = structure(list(`Sequence ID` = structure(list(), class = c("collector_character", 
"collector")), Date = structure(list(), class = c("collector_character", 
"collector")), StimuliA = structure(list(), class = c("collector_integer", 
"collector")), StimuliB = structure(list(), class = c("collector_integer", 
"collector")), Response = structure(list(), class = c("collector_integer", 
"collector")), X6 = structure(list(), class = c("collector_skip", 
"collector")), X7 = structure(list(), class = c("collector_skip", 
"collector")), X8 = structure(list(), class = c("collector_skip", 
"collector")), X9 = structure(list(), class = c("collector_skip", 
"collector")), X10 = structure(list(), class = c("collector_skip", 
"collector"))), .Names = c("Sequence ID", "Date", "StimuliA", 
"StimuliB", "Response", "X6", "X7", "X8", "X9", "X10")), default = structure(list(), class = c("collector_guess", 
"collector"))), .Names = c("cols", "default"), class = "col_spec"))

这可能是一个可能的输出，其中 Group 0 总结了前 7 天的所有值，1 总结了后来发生的值。

Sequence ID Group   Date           StimuliA StimuliB    Response
1_0_0         0   02.12.2015 20:16    0         0           5
1_0_0         1   09.12.2015 20:16    0         0           0
1_1_0         0   07.12.2015 08:18    1         0           2
1_1_0         1   14.12.2015 08:18    0         0           2
1_2_0         0   23.12.2015 14:18    1         0           0
1_2_0         1   30.12.2015 14:18    0         0           0
1_2_1         0   05.01.2016 11:35    0         1           3
1_2_1         1   12.01.2016 11:35    0         0           0
1_2_2         0   04.08.2016 08:25    0         1           0
1_2_2         1   11.08.2016 08:25    0         0           0

我会尝试使用以下代码来实现这一点，但需要一些输入如何识别 7 天前后的值。

#change the date into posixct format
df$Date <- as.POSIXct(strptime(master$Date,"%d.%m.%Y %H:%M"))

#arrange the dataframe according to User and Date
df <-  arrange(df, Sequence ID,Date)

#identify the values before and after 7 days

#aggregate all the eventlog rows according to the stimuli IDs
df <- aggregate(. ~ Sequence ID + Group, data=df, sum)

Answer 1

以下data.table 代码根据要求返回按序列和每个序列内（或之后）的前 7 天的时间段分组的聚合值：

library(data.table)
# copy and coerce to data.table
data.table(DF)[
  # make syntactically valid column names
  , setnames(.SD, make.names(names(.SD)))][
    # transform character date-time to date
    , Date := as.Date(lubridate::dmy_hm(Date))][
      # create Group variable for the first 7 days and beyond within each sequence
      , Initial.Period := Date %between% (min(Date) + c(0L, 6L)), by = Sequence.ID][
        # aggregate by sequence and date range
        , .(Min.Date = min(Date), Response = sum(Response)), by = .(Sequence.ID, Initial.Period)]

   Sequence.ID Initial.Period   Min.Date Response
1:       1_0_0           TRUE 2015-12-02        5
2:       1_1_0           TRUE 2015-12-07        2
3:       1_1_0          FALSE 2015-12-22        2
4:       1_2_0           TRUE 2015-12-23        0
5:       1_2_1           TRUE 2016-01-05        3
6:       1_2_2           TRUE 2016-08-04        0

请注意，由于提供的示例数据不明确或不一致，结果与问题中显示的可能的输出不同：

• 样本数据包含日期时间，但 OP 在其规范中始终使用术语 date 和 days。因此，代码使用的是Date，而不是POSIXct。
• 我特意选择使用 Initial.Period 作为更通俗易懂的列名来表示前 7 天，并避免使用通用和模棱两可的名称 Group。
• StimuliA 和 StimuliB 列已从聚合中省略，因为它们与序列不一致，并且 OP 未指定如何处理这种情况。
• Min.Date 指的是每个序列和周期的数据中的最小日期，而不是计算的周期开始时间。
• 结果仅显示数据集中有数据的聚合值。 可能的输出有更多的行，因为它包括所有可能的序列和周期组合，其中缺失值已用零填充。