R数据框设置属性依赖于先前和随后的属性值答案

【问题标题】：R数据框设置属性依赖于先前和随后的属性值
【发布时间】：2022-01-23 13:54:42
【问题描述】：

我有一个带有来自跟踪设备的事件日志的数据框。它记录了事件的类型（停留在原地或轨道/移动）、事件的名称（停留的家庭/工作/其他、轨道的交通模式）、距离和事件的开始日期时间。可以在不同地点停留之间登录多个曲目/模式更改。

type = c('place', 'track', 'track', 'place', 'track', 'place')
name = c('home', 'walk', 'bicycle', 'work', 'walk', 'other')
distance = c(0, 1120, 2300, 0, 4000, 0)
startdate = c('2021-12-19 10:00:00', '2021-12-19 11:00:00', '2021-12-19 11:05:00', '2021-12-19 11:15:00', '2021-12-19 12:00:00', '2021-12-19 12:30:00')

df = data.frame(type, name ,distance, startdate)

我希望能够为所有曲目分配一个新属性，指示记录曲目的来源和位置，例如最后一个和下一个记录的地方是什么，不包括可能相互跟随的所有轨道：

fromto = c(NA, 'home-work', 'home-work', NA, 'work-other', NA)
df = data.frame(type, name ,distance, startdate, fromto)

如果设置更简单，我可能会使用 dplyr 的滞后函数或各种类型的 cumsum，但是由于多个轨道可以相互跟随，我需要在前后行查找“名称”属性。

数据集通常会很大；是否有不需要实现循环的 R 解决方案？

【问题讨论】：

标签： r dataframe dplyr

【解决方案1】：

从稍微不同的角度来看，您可以添加一个 id 列，过滤所有时间类型 == "place"，然后使用 mutate、paste() 和 lead() 创建 fromto 列，保存这个到数据框，然后将其重新加入到您的原始df。然后您可以 tidyr::fill() fromto 列，这将允许您进行分组。

library(dplyr)
library(tidyr)
df <- df %>% mutate(id = row_number())
changes <- df %>%
    filter(type == "place") %>%
    mutate(fromto = paste(name, lead(name, 1), sep = "-")) %>%
   select(id, fromto)

df <- df %>% 
    left_join(changes, by = "id") %>%
    fill(fromto)

然后您可以过滤 type == "track"：

df %>% filter(type == "track")

【讨论】：

【解决方案2】：

一个可能的解决方案：

library(tidyverse)

type = c('place', 'track', 'track', 'place', 'track', 'place')
name = c('home', 'walk', 'bicycle', 'work', 'walk', 'other')
distance = c(0, 1120, 2300, 0, 4000, 0)
startdate = c('2021-12-19 10:00:00', '2021-12-19 11:00:00', '2021-12-19 11:05:00', '2021-12-19 11:15:00', '2021-12-19 12:00:00', '2021-12-19 12:30:00')

df = data.frame(type, name ,distance, startdate)

df %>% 
  mutate(id = row_number()) %>% 
  filter(type == "place") %>% 
  mutate(fromto = str_c(lag(name), name, sep="_")) %>% 
  full_join(mutate(df, id = row_number())) %>% 
  arrange(id) %>% 
  fill(fromto, .direction = "up") %>% 
  mutate(fromto = if_else(type == "place", NA_character_, fromto), id=NULL)

#>    type    name distance           startdate     fromto
#> 1 place    home        0 2021-12-19 10:00:00       <NA>
#> 2 track    walk     1120 2021-12-19 11:00:00  home_work
#> 3 track bicycle     2300 2021-12-19 11:05:00  home_work
#> 4 place    work        0 2021-12-19 11:15:00       <NA>
#> 5 track    walk     4000 2021-12-19 12:00:00 work_other
#> 6 place   other        0 2021-12-19 12:30:00       <NA>

【讨论】：