如何在 R 中为 Googlevis 拆分时间戳以防止重叠

Question

所以我们收集的时间戳数据有 19 位。我们运行它的第一种方式，我们得到了这些不应该存在的重叠。我试图忽略前 10 位并尝试其余的，但我得到了错误。如何以没有重叠的方式显示它，并且只包含以分钟、秒、毫秒左右为单位的持续时间？因为所有这些实验几乎都在同一时间和同一日期发生，所以我不想显示冗余数据。

library('googleVis')
dd <- read.csv("output_2015-08-05-17-07-12_gaze.txt", header = TRUE, sep = ",",colClasses = c('character','character'))
dd <- within(dd, {
  end <- as.POSIXct(as.numeric(substr(rosbagTimestamp, 11, 14)) / 1e9,
                    origin = '1970-01-01')
  start <- as.POSIXct(as.numeric(substr(rosbagTimestamp, 14, 19)) / 1e9,
                      origin = '1970-01-01')
  rosbagTimestamp <- NULL
})

## sum the times by group
dd1 <- aggregate(. ~ data, data = dd, sum)
dd1 <- within(dd1, {
  start <- as.POSIXct(start, origin = '1970-01-01')
  end <- as.POSIXct(end, origin = '1970-01-01')
})


plot(gvisTimeline(dd1, rowlabel = 'data', barlabel = 'data',
                  start = 'start', end = 'end', options=list(width="600px", height="800px")))

还有一个显示小时并且有重叠的是这样的：

dd <- read.csv("output_2015-08-05-17-07-12_gaze.txt", header = TRUE, sep = ",",colClasses = c('character','character'))
dd <- within(dd, {
  end <- as.POSIXct(as.numeric(substr(rosbagTimestamp, 1, 10)) / 1e9,
                    origin = '1970-01-01')
  start <- as.POSIXct(as.numeric(substr(rosbagTimestamp, 11, 19)) / 1e9,
                      origin = '1970-01-01')
  rosbagTimestamp <- NULL
})

## sum the times by group
dd1 <- aggregate(. ~ data, data = dd, sum)
dd1 <- within(dd1, {
  start <- as.POSIXct(start, origin = '1970-01-01')
  end <- as.POSIXct(end, origin = '1970-01-01')
})
plot(gvisTimeline(dd1, rowlabel = 'data', barlabel = 'data',
                  start = 'start', end = 'end', options=list(width="600px", height="800px")))

这是link to dataset。

Answer 1

我不确定您所说的“重叠”是什么意思。数据似乎由一组单调递增的时间戳组成，其中每个时间戳都标有某种类别（水果名称，至少在此示例数据中）。这些类别并不完全连续（尽管它们往往是短暂的），所以当您说“重叠”时，也许这就是您所指的。但这只是数据的性质；没有办法以改变彼此关系的方式“拆分”时间戳。而且您不能选择忽略时间戳的某些数字；这会使数据变得毫无意义。

为了澄清，时间戳是 19 位数字，表示以 10 为底的数字。这些数字是指自 1970-01-01 UTC 以来经过的纳秒。这是表示时间戳的常用方式（以及自 1970-01-01 UTC 以来的秒数、自 1970-01-01 UTC 以来的毫秒数以及自 1970-01-01 UTC 以来的天数）。

因此，您可以通过as.double()（也可以使用as.numeric()）强制加倍，​​除以1e9，然后使用强制函数as.POSIXct() 和origin='1970-01-01' 来导出时间戳的POSIXct 表示，它处理自 1970-01-01 UTC 以来的秒数加倍。 （看起来您在代码中执行的操作与此类似，但由于上述问题而无法正常工作。）

现在，这样做实际上会损失一点精度，因为普遍存在的 double 类型的有效位有 53 个二进制位（52 个显式编码在值的位中，1 个隐式编码（前导 1 位）；参见 @ 987654321@)，计算出大约 15 个以 10 为基数的数字。这不足以保留传入时间戳中的所有 19 个基数为 10 的数字。但是由于您可能不关心微秒和纳秒，我们可以在这里忽略它。

我推荐data.table 用于所有表格工作，因为它比基本的 R data.frame 类型更优雅、更强大、更高效。以下是使用 data.table 输入和处理数据的方法：

## prepare data
library(data.table);
dd <- as.data.table(read.csv('~/Desktop/gazedata.csv.txt',header=T,sep=',',colClasses=c('character','character')));
dd[,`:=`(dt=as.POSIXct(as.double(rosbagTimestamp)/1e9,origin='1970-01-01'),rosbagTimestamp=NULL)];
dd2 <- dd[,.(start=min(dt),end=max(dt)),data][order(data)];
dd2;
##           data               start                 end
##  1:          0 2015-08-05 18:07:14 2015-08-05 18:10:49
##  2:      apple 2015-08-05 18:08:13 2015-08-05 18:10:48
##  3:    avocado 2015-08-05 18:07:13 2015-08-05 18:10:01
##  4:     banana 2015-08-05 18:07:16 2015-08-05 18:10:48
##  5:  blueberry 2015-08-05 18:07:14 2015-08-05 18:10:42
##  6:       kiwi 2015-08-05 18:07:27 2015-08-05 18:10:41
##  7:      mango 2015-08-05 18:07:17 2015-08-05 18:10:40
##  8:     orange 2015-08-05 18:07:27 2015-08-05 18:10:30
##  9:     papaya 2015-08-05 18:07:12 2015-08-05 18:09:16
## 10:      peach 2015-08-05 18:08:15 2015-08-05 18:10:45
## 11:       pear 2015-08-05 18:07:20 2015-08-05 18:07:48
## 12: strawberry 2015-08-05 18:07:14 2015-08-05 18:10:20
## 13: watermelon 2015-08-05 18:07:30 2015-08-05 18:09:29

现在，关于绘图，您可能不想走这条路，但由于您使用的数据是原始数据（即 POSIXct 时间戳和字符串），您可以使用基本 R 图形函数自己绘制它。我通常更喜欢这个而不是使用像gvisTimeline() 这样的预打包绘图功能，因为它可以更好地控制绘图元素。但它也需要对基本图形框架有广泛的了解，并且在编写绘图代码时通常需要更多的努力和谨慎。

这是一个演示如何生成与您的屏幕截图相似的绘图：

## helper functions
trunc <- function(x,...) UseMethod('trunc');
trunc.default <- function(x,...) base::trunc(x,...);
trunc.POSIXt <- function(x,unit='sec',num=1) { u <- sub(perl=T,'(?<=.)s$','',unit); base::trunc.POSIXt(x,u) - as.integer(format(x,c(sec='%S',second='%S',min='%M',minute='%M',hour='%H',day='%d')[u]))%%num*unname(c(sec=1,second=1,min=60,minute=60,hour=3600,day=86400)[u]); };

ceiling <- function(x,...) UseMethod('ceiling');
ceiling.default <- function(x,...) base::ceiling(x);
ceiling.POSIXt <- function(x,unit='sec',num=1) { u <- sub(perl=T,'(?<=.)s$','',unit); trunc.POSIXt(x-.Machine$double.base^(as.integer(log2(as.double(x)))-.Machine$double.digits+1L),unit,num) + num*unname(c(sec=1,second=1,min=60,minute=60,hour=3600,day=86400)[u]); };

## define plot parameters
xtick.first <- trunc(min(dd2$start),'hour');
xtick.last <- ceiling(max(dd2$end),'hour');
xtick <- seq(xtick.first,xtick.last,'10 min');
xtick.range <- as.double(difftime(xtick.last,xtick.first,unit='secs'));
xmin <- xtick.first - xtick.range*20/100;
xmax <- xtick.last + xtick.range*5/100;
xlim <- c(xmin,xmax);
ydiv <- 0:nrow(dd2);
ytick <- nrow(dd2):1-0.5;
ymin <- ydiv[1];
ymax <- ydiv[length(ydiv)];
ylim <- c(ymin,ymax);
line.grey <- 'grey';
bg.grey <- '#dddddd';
bg.white <- 'white';

## plot
par(xaxs='i',yaxs='i',mar=c(5,1,1,1));
plot(NA,xlim=xlim,ylim=ylim,axes=F,ann=F);
rect(xmin,(ymax-1):ymin,xmax,ymax:(ymin+1),col=c(bg.white,bg.grey),border=NA);
with(expand.grid(y=ytick,x=xtick),segments(x,y+0.5,x,y-0.5,col=rep(c(line.grey,bg.white),len=length(ytick))));
abline(h=ydiv,lwd=2,col=line.grey);
abline(v=xlim,lwd=2,col=line.grey);
barheight <- 0.75;
with(dd2,rect(start,ytick-barheight/2,end,ytick+barheight/2,col=rainbow(nrow(dd2)),border=NA));
xtick.ishour <- c(T,format(xtick[-1],'%M')=='00');
text(xtick,0,pos=1,ifelse(xtick.ishour,format(xtick,'%H:%M'),format(xtick,':%M')),font=ifelse(xtick.ishour,2,1),xpd=NA);
text(xtick.first,ytick,pos=2,dd2[,data]);
text(dd2[,end],ytick,pos=4,dd2[,data]);