计算 R 数据框中的累积唯一出现次数

Question

我正在处理一个数据集，它有两列：id、日期/时间。请在下面找到示例，

id  date_time
1   2016-10-29 18:01:03.0000000 +08:00
1   2016-10-29 19:34:17.0000000 +08:00
1   2016-10-30 14:08:03.0000000 +08:00
1   2016-10-30 15:55:12.0000000 +08:00
2   2016-10-31 11:32:12.0000000 +08:00
2   2016-10-31 14:59:56.0000000 +08:00
2   2016-11-01 12:49:44.0000000 +08:00
2   2016-11-01 13:55:16.0000000 +08:00
2   2016-11-01 19:18:22.0000000 +08:00
2   2016-11-01 20:40:48.0000000 +08:00
3   2016-11-01 21:19:50.0000000 +08:00
3   2016-11-02 14:20:15.0000000 +08:00
3   2016-11-02 18:52:27.0000000 +08:00
3   2016-11-02 19:39:32.0000000 +08:00
3   2016-11-03 08:55:41.0000000 +08:00

我想要获得的只是两列：第 1 列具有使用日期和时间排序的每个 id 的累积出现次数，第 2 列具有每个 id 的累积日期，如下表所示，

id  date_time                           occ date
1   2016-10-29 18:01:03.0000000 +08:00  1   1
1   2016-10-29 19:34:17.0000000 +08:00  2   1
1   2016-10-30 14:08:03.0000000 +08:00  3   2
1   2016-10-30 15:55:12.0000000 +08:00  4   2
2   2016-10-31 11:32:12.0000000 +08:00  1   1
2   2016-10-31 14:59:56.0000000 +08:00  2   1
2   2016-11-01 12:49:44.0000000 +08:00  3   2
2   2016-11-01 13:55:16.0000000 +08:00  4   2
2   2016-11-01 19:18:22.0000000 +08:00  5   2
2   2016-11-01 20:40:48.0000000 +08:00  6   2
3   2016-11-01 21:19:50.0000000 +08:00  1   1
3   2016-11-02 14:20:15.0000000 +08:00  2   2
3   2016-11-02 18:52:27.0000000 +08:00  3   2
3   2016-11-02 19:39:32.0000000 +08:00  4   2
3   2016-11-03 08:55:41.0000000 +08:00  5   3

1. （请注意，+8:00 是多余的）。要生成第 1 列 (occ)：我尝试使用 ave 和 FUN=seq_along，首先拆分日期和时间，然后使用 id、日期和时间 order。

   Q1：有什么方法可以直接对 date_time 列进行排序？

2. 对于第 2 列（日期），我首先使用唯一值获取数据框的一个子集，我使用 ave 和 seq_along 生成索引。之后，我将两个数据集合并为一个循环。

   Q2：有没有更有效的方法来达到同样的效果？

Answer 1

我不清楚您的date_time 变量的格式是什么。我假设它是POSIXct。我已经修剪掉了垃圾并将其转换为那个。

d <- read.table(text="id,  date_time
1,   2016-10-29 18:01:03.0000000 +08:00
...
3,   2016-11-03 08:55:41.0000000 +08:00", header=TRUE, sep=",")
d$date_time <- as.POSIXct(substr(as.character(d$date_time), 4, 22))

此时您可以使用?order 对数据框进行排序，包括按日期排序（另请参阅：Understanding the order() function）：

d <- d[order(d$id, d$date_time),]

对数据框进行排序后，要对每个id 中的行进行计数，您可以使用?tapply。您也可以通过组合as.character 和as.Date，以及as.numeric 和factor 来使用tapply 来标记独特的日子。考虑：

d$occ  <- unlist(with(d, tapply(id, id, FUN=function(x){ 1:length(x) })))
d$date <- unlist(with(d, tapply(date_time, id, FUN=function(x){ 
                                  x = as.character(as.Date(x))
                                  as.numeric(factor(x, levels=unique(x))) 
                                })))
d
#    id           date_time occ date
# 1   1 2016-10-29 18:01:03   1    1
# 2   1 2016-10-29 19:34:17   2    1
# 3   1 2016-10-30 14:08:03   3    2
# 4   1 2016-10-30 15:55:12   4    2
# 5   2 2016-10-31 11:32:12   1    1
# 6   2 2016-10-31 14:59:56   2    1
# 7   2 2016-11-01 12:49:44   3    2
# 8   2 2016-11-01 13:55:16   4    2
# 9   2 2016-11-01 19:18:22   5    2
# 10  2 2016-11-01 20:40:48   6    3
# 11  3 2016-11-01 21:19:50   1    1
# 12  3 2016-11-02 14:20:15   2    1
# 13  3 2016-11-02 18:52:27   3    1
# 14  3 2016-11-02 19:39:32   4    1
# 15  3 2016-11-03 08:55:41   5    2