将周期扩展到定期出现的时间戳答案

【问题标题】：Expand periods to regularly occuring timestamps将周期扩展到定期出现的时间戳
【发布时间】：2018-07-27 05:26:50
【问题描述】：

必须修改原始帖子以包含更好的示例

我有一个基于时间的数据的小标题，其中包含开始时间、结束时间和以下一般形式的类变量：

制作表格的代码：

library(lubridate)
st <- c(ymd_hms("2016-01-01 00:35:00"),
        ymd_hms("2016-01-01 00:39:00"),
        ymd_hms("2016-01-01 00:54:00"),
        ymd_hms("2016-01-01 00:56:00"),
        ymd_hms("2016-01-01 00:57:00"))

en <- c(ymd_hms("2016-01-01 00:36:00"),
        ymd_hms("2016-01-01 00:45:00"),
        ymd_hms("2016-01-01 00:55:00"),
        ymd_hms("2016-01-01 00:57:00"),
        ymd_hms("2016-01-01 00:58:00"))

cl <- c("a","a","a","b","b")

df <- tibble(st,en,cl)

周期不一致，数据中存在隐藏类：本质上，数据中未明确列出的时间在本例中属于第三类。

我需要一种方法来将此表扩展为具有固定周期（1 分钟），以便我可以将缺失的类分配给这些周期；目标是：

我确信这可以使用 dplyr 和 lubridate 来完成，但一直无法完成。请记住，我的数据集非常庞大，因此最好采用非循环方法。

提前致谢，

先生

【问题讨论】：

标签： r dplyr timestamp lubridate

【解决方案1】：

试试这个：

df_exp <- tibble(st = seq.POSIXt(from = min(st), to = max(st), by = "min"),
                 en = st + 60)
merge(df_exp, df, all = T)

首先，创建所有开始时间。结束时间只是开始时间加上 1 分钟。与包含类信息的数据框合并。顺便说一句：您的开始时间和结束时间确实重叠，这可能是某些任务的问题...

编辑以符合您更新后的要求：

library(tidyr)
library(dplyr)
df_exp <- tibble(st = seq.POSIXt(from = min(st), to = max(en), by = "min"), en = st + 60)

# with tidyr 0.8
df_n <- df %>% 
  rowwise() %>% 
  mutate(st = list(as.character(seq.POSIXt(from = st, to = en, by = "min"))[-length(seq.POSIXt(from = st, to = en, by = "min"))])) %>% 
  unnest() %>% 
  select(-en) %>% 
  mutate(st = as.POSIXct(st))

df_exp %>% left_join(df_n)

# with tidyr 0.8.1 (untested)
df_n <- df %>% 
  rowwise() %>% 
  mutate(st = list(seq.POSIXt(from = st, to = en, by = "min")[-length(seq.POSIXt(from = st, to = en, by = "min"))])) %>% 
  unnest() %>% 
  select(-en)

df_exp %>% left_join(df_n)

【讨论】：

谢谢蒂诺。这几乎正是我所做的，但是我与 dplyr 的 left_join 进行了合并...我的问题，多亏了你，现在很清楚了，我只是在开始时间而不是开始时间和结束时间合并。干杯！！！
很高兴它对你有用。尽管我通常也使用大部分 tidyverse，但我尝试坚持使用 SO 上的 base 函数只是为了重现性 - 在此示例中无需为简单任务添加另一个包。跨度>
其实蒂诺，我收回了。该解决方案仅在这种情况下有效，因为分配了类的间隔只有 1 分钟宽。当分类间隔大于 1min 时，求解失败。我原来的例子不够笼统......
再次感谢。我实际上设法用不同的方法获得了预期的结果，但这有点“循环”。我认为您的方式很可能会在大型数据集上表现得更好。无论如何，我都会在主帖上发布我的解决方案。无论如何，非常感谢您的快速回复。先生

【解决方案2】：

好的，我设法找到了解决方案，但它有点“循环”方面。我认为蒂诺的回答更好。对于什么是值得的，这是我的答案：

##################################################
#Regular period DF covering the entire period in the initial data
df_regular <- tibble(st = seq(min(df$st),max(df$en)-59,60),
                     en = st + 59)
##################################################
#Creates variable with number of 1-min periods per row in initial data
df$periods <- as.integer((df$en-df$st + 1)/60)

##################################################
#Scan each row
listDates <- list()
listClass <- list()

k <- 1
for (i in 1:nrow(df)) {
  for(j in 1:df$periods[i]) {
    listDates[k] <- c(df$st[i]+(j-1)*60)
    listClass[k] <- c(df$cl[i])

    k <- k+1
  }
}

#################################################
#create output table
df_out <- tibble(st = unlist(listDates) %>% as_datetime(),
                 cl = unlist(listClass)) %>%
  right_join(df_regular[1],by=c("st" ="st")) %>%
  mutate(en = st + 59) %>%
  select(st,en,cl)
#################################################

还纳入了 Tino 关于避免日期重叠的建议。

干杯，

先生

【讨论】：