使用简单代码的 R 排序

Question

有人可以帮我解决以下问题吗？

数据集示例：

Ticketid    Creation_Date   Location    Person
a1  01-02-2015  A   John
b1  03-02-2015  B   Jack
c1  03-02-2015  C   Mint
a1  03-02-2015  D   Manu
d1  03-02-2015  A   Somu
e1  03-02-2015  A   John
b1  11-02-2015  B   Jack
a1  11-02-2015  C   Mint
b1  14-02-2015  F   John
b1  27-02-2015  E   John

问题：

1.Remove重复的Ticketid就是这样过滤的 ->creationdate 小于第一次发生日期的 7 天。 例如：对于票号“a1”，有 3 个创建日期，即“01-02-2015,03-02-2015,11-02-2015”，我想要一个新列有“重复标志”和标志在这种情况下，第一次出现是 01-02-2015 为是。因为第二次发生是在第一次发生的 7 天内。

2.按上述逻辑，

                ->I want to filter by Location(Ticketid,creationdate)
                ->I want to filter by Person(Ticketid,creationdate)

代码：

t.first

如何将输出保存在同一张 excel 表中，并对有超过 1 个事件的位置/工程师进行条件格式化？

我尝试的代码太简单了，请尽快寻求帮助。提前致谢。

附加组件以更好地阐明查询：

输入：

Ticketid Creation_Date Location Person Partused deviceused

a1  01-02-2015  A   John    Monitor     Model1
b1  03-02-2015  B   Jack    Keyboard    Model2
c1  03-02-2015  C   Mint    cable       Model3
a1  03-02-2015  D   Manu    Monitor     Model1
d1  03-02-2015  A   Somu    Motherboard Model2
e1  03-02-2015  A   John    Motherboard Model2
b1  11-02-2015  B   Jack    cable       Model2
a1  11-02-2015  C   Mint    Keyboard    Model3
b1  14-02-2015  F   John    Motherboard Model1
b1  27-02-2015  E   John    Motherboard Model3

我希望我的输出格式如下：

重复标志有很多条件：目前，如果唯一的条件是第二次订单是否在第一次订单的 7 天内创建，如 a1 的情况。

每个工单 ID 的首次创建日期都不同。

Answer1:**Location  RepeatFlag  Model1  Model2  Model3**

Answer2:**Location  Person  RepeatFlag  Model1  Model2  Model3**

Answer3:**Location  PartsUsed   RepeatFlag  Model1  Model2  Model3**

注意：这只是动态变化的行的示例。因此，请分享一个满足任何类型输入的代码提示，因为我希望这是一个自动化过程，一旦数据在源（excel 表）中刷新，此报告将自动作为 excel 报告邮寄。

请说明我们如何实现自动化。

感谢提供的支持。非常感谢。

问候， VK

Answer 1

据我了解您的问题：

df <- data.frame(Ticketid = c('a1','b1','c1','a1','d1','e1','b1','a1','b1','b1'), 
Creation_Date = as.Date(c('01-02-2015','03-02-2015','03-02-2015','03-02-2015','03-02-2015','03-02-2015','11-02-2015','11-02-2015','14-02-2015','27-02-2015'), format = '%d-%m-%Y'), 
Location = c('A','B','C','D','A','A','B','C','F','E'), 
Person = c('John','Jack','Mint','Manu', 'Somu','John', 'Jack', 'Mint','John','John') )

   Ticketid Creation_Date Location Person
1        a1    2015-02-01        A   John
2        b1    2015-02-03        B   Jack
3        c1    2015-02-03        C   Mint
4        a1    2015-02-03        D   Manu
5        d1    2015-02-03        A   Somu
6        e1    2015-02-03        A   John
7        b1    2015-02-11        B   Jack
8        a1    2015-02-11        C   Mint
9        b1    2015-02-14        F   John
10       b1    2015-02-27        E   John

library(dplyr)

first_creation <- df %>% 
select(Ticketid,First_Date = Creation_Date) %>% 
group_by(Ticketid) %>% 
slice(1) %>% 
ungroup()

df2 <- merge(first_creation,df, all.y = T, by = 'Ticketid')

df3 <- df2 %>% mutate(time_diff = Creation_Date - First_Date)


df_flagged <- df3 %>% group_by(Ticketid) %>% mutate(Within_7 = ifelse(time_diff > 7 | time_diff == 0, 'NO','YES'))

    Source: local data frame [10 x 7]
Groups: Ticketid

   Ticketid First_Date Creation_Date Location Person time_diff Within_7
1        a1 2015-02-01    2015-02-01        A   John    0 days       NO
2        a1 2015-02-01    2015-02-03        D   Manu    2 days      YES
3        a1 2015-02-01    2015-02-11        C   Mint   10 days       NO
4        b1 2015-02-03    2015-02-03        B   Jack    0 days       NO
5        b1 2015-02-03    2015-02-11        B   Jack    8 days       NO
6        b1 2015-02-03    2015-02-14        F   John   11 days       NO
7        b1 2015-02-03    2015-02-27        E   John   24 days       NO
8        c1 2015-02-03    2015-02-03        C   Mint    0 days       NO
9        d1 2015-02-03    2015-02-03        A   Somu    0 days       NO
10       e1 2015-02-03    2015-02-03        A   John    0 days       NO