Question

我有一个data.table，我想将Id用作另一个组，并且上一行与下一行之间的秒数之差超过300。

自动添加新列以及上一列的内容，并可以根据两列之间的秒数差异来判断是否需要添加几列

DT <-data.table(Id = c("A","A","A","A","A","B","B","B","B"),
                valueA = c(479117,479119,479117,479118,479118,479118,479118,479118,479121),
                valueB = c(209946,209948,209946,209953,209953,209953,209953,209951,209944),
                second = c(0,745,12,5,50,938,114,339,705))

测试数据框

     Id   valueA   valueB   second
 1   A    479117   209946     0
 2   A    478419   209948   745 
 3   A    479117   209946    12
 4   A    479118   209953     5
 5   A    479118   209953    50
 6   B    479118   209953   938
 7   B    479118   209953   114
 8   B    479118   209951   339
 9   B    479121   209944   705

我希望转换后的数据框看起来像这样

     Id   valueA   valueB   second
 1   A    479117   209946     0  #(original row 1)
#2   A    479117   209946   300  #(new row 2)
#3   A    479117   209946   300  #(new row 3)
 4   A    478419   209948   745  #(original row 2)
 5   A    479117   209946    12  #(original row 3)
 6   A    479118   209953     5
 7   A    479118   209953    50  #(original row 5)
 Because original row 5 and original row 6 Id is not the same, so don't compare
 8   B    479118   209953   938  #(original row 6)
 9   B    479118   209953   114
 10  B    479118   209951   339  #(original row 8)
#11  B    479118   209951   300  #(new row 11)
 12  B    479121   209944   705  #(original row 9)

由于原始行1和原始行2之间的秒数为745，因此新行2和新行3将复制上一行的内容。为什么要复制两次，因为745/300 = 2.48（Round），要复制两次

原始行8和原始行9之间的秒数为366，因此新行11将复制上一行（8）的内容。为什么要复制一次，因为366/300 = 1.22，所以要复制一次（圆形）

我的原始数据有200万列

描述非常复杂。我不知道有什么办法吗？

谢谢。

Answer 1

由于没有人想出一个聪明的解决方案，因此我将为您提供一种虽然比较宽松但可能可行的方法：

library(dplyr)
library(purrr)

grow_df <- function(x) {
  seconds <- DT %>% 
    filter(Id == x) %>% 
    pull(second)

  seconds2 <- c()
  for (i in seq(along = seconds)) {
    if (i == 1 || (i > 1 & seconds[i] - seconds[i - 1] <= 300)) {
      seconds2 <- c(seconds2, seconds[i])
    } else {
      for(j in 1:floor((seconds[i] - seconds[i - 1]) / 300)) {
        seconds2 <- c(seconds2, 300)
      }
      seconds2 <- c(seconds2, seconds[i])
    }
  }
  return(tibble(Id = x, second = seconds2))
}

map(DT$Id %>% unique, grow_df) %>% 
  bind_rows() %>% 
  left_join(DT, by = c("Id", "second")) %>% 
  fill(valueA, valueB) %>% 
  select(Id, valueA, valueB, second)

注意：出于性能的考虑，您不应像使用seconds2那样“增长”矢量。但这对示例有效。

如果上一行和下一行相同，请添加完整的上一列

1 个答案: