2

（今日、この質問をしようとしましたが、後で質問を単純化しすぎていることに気付きました。受け取った回答は正しかったのですが、元の質問の問題を単純化しすぎたため、使用できませんでした。これが私の2回目の試行...）

Rに次のようなデータフレームがあります。

"Timestamp", "Source", "Target", "Length", "Content"
0.1        , P1      , P2      , 5       , "ABCDE"
0.2        , P1      , P2      , 3       , "HIJ"
0.4        , P1      , P2      , 4       , "PQRS"
0.5        , P2      , P1      , 2       , "ZY"
0.9        , P2      , P1      , 4       , "SRQP"
1.1        , P1      , P2      , 1       , "B"
1.6        , P1      , P2      , 3       , "DEF"
2.0        , P2      , P1      , 3       , "IJK"
...

これを次のように変換したいと思います。

"StartTime", "EndTime", "Duration", "Source", "Target", "Length", "Content"
0.1        , 0.4      , 0.3       , P1      , P2      , 12      , "ABCDEHIJPQRS"
0.5        , 0.9      , 0.4       , P2      , P1      , 6       , "ZYSRQP"
1.1        , 1.6      , 0.5       , P1      , P2      , 4       , "BDEF"
...

これを英語にしようとすると、同じ「ソース」と「ターゲット」を持つ連続したレコードをグループ化し、グループごとに1つのレコードを出力して、そのグループのStartTime、EndTime、Duration（= EndTime-StartTime）を表示します。そのグループの長さの合計、およびそのグループ内のコンテンツ（すべて文字列になります）の連結とともに。

TimeOffset値は、データフレーム全体で常に増加します。

メルト/リキャストを見て、問題を解決するために使用できると感じましたが、ドキュメントに頭を悩ませることはできませんでした。R内でこれを行うことは可能だと思いますが、どこから始めればよいのか本当にわかりません。ピンチでは、データフレームをエクスポートして、Pythonなどで実行できますが、可能であればR内にとどまりたいと思います。

あなたが提供できるどんな援助にも前もって感謝します

4

3 に答える 3

7

plyrを使用した別の解決策は次のとおりです。

id <- with(df1, paste(Source, Target))
df1$group <- cumsum(c(TRUE, id[-1] != id[-length(id)]))

library(plyr)
ddply(df1, c("group"), summarise, 
  start = min(Timestamp),
  end = max(Timestamp),
  content = paste(Content, collapse = ", ")
)
于 2010-04-15T17:28:23.027 に答える
2

これを試して：

id <- as.numeric(gsub("P","",paste(df$Source,df$Target,sep="")))
df$id <- cumsum(c(TRUE,diff(id)!=0))
res <- by(df, df$id,
          function(x) {
            len <- nrow(x)
            start <- x[1,1]
            end <- x[len,1]
            dur <- end - start
            src <- x[1,2]
            trg <- x[1,3]
            len <- sum(x[,4])
            cont <- paste(x[,5],collapse="")
            return(c(start,end,dur,src,trg,len,cont))
          }
          )
do.call(rbind,res)

PS：最終結果は文字列のマトリックスであるため、結果を「正しい」形式に変換する必要があります。

于 2010-04-15T14:01:56.213 に答える
2

私の（エレガントではない）方法に固執する

df1 <- read.table(textConnection("
Timestamp Source Target Length Content
0.1         P1       P2       5        ABCDE
0.2         P1       P2       3        HIJ
0.4         P1       P2       4        PQRS
0.5         P2       P1       2        ZY
0.9         P2       P1       4        SRQP
1.1         P1       P2       1        B
1.6         P1       P2       3        DEF
2.0         P2       P1       3        IJK
"),header=T)

df <- adply(df1, 1 ,transform, newSource = 
as.numeric(paste(substr(Source, 2, 2),substr(Target, 2, 2),sep=""))  ) 

ind <- cbind(rle(df$newSource)[[1]],cumsum(rle(df$newSource)[[1]]))
ind2 <- apply(ind,1,function(x) c(x[2]-(x[1]-1),x[2]))
res <- ldply(apply(ind2,2,function(x) data.frame(StartTime = df[x[1],1] , 
EndTime = df[x[2],1] ,
Duration = df[x[2],1] - df[x[1],1] ,
Source = df[x[1],2] ,
Target = df[x[1],3] ,
Length=sum(df[x[1]:x[2],4]) ,
Content=paste(df[x[1]:x[2],5],collapse="")
) ))

  StartTime EndTime Duration Source Target Length      Content
1       0.1     0.4      0.3     P1     P2     12 ABCDEHIJPQRS
2       0.5     0.9      0.4     P2     P1      6       ZYSRQP
3       1.1     1.6      0.5     P1     P2      4         BDEF
4       2.0     2.0      0.0     P2     P1      3          IJK
于 2010-04-15T14:41:34.627 に答える