使用滚动时间间隔来计算R和dplyr中的行

比方说，我有一个时间戳数据框和当时销售的相应门票数量。使用滚动时间间隔来计算R和dplyr中的行

  Timestamp   ticket_count 
      (time)    (int) 
1 2016-01-01 05:30:00   1 
2 2016-01-01 05:32:00   1 
3 2016-01-01 05:38:00   1 
4 2016-01-01 05:46:00   1 
5 2016-01-01 05:47:00   1 
6 2016-01-01 06:07:00   1 
7 2016-01-01 06:13:00   2 
8 2016-01-01 06:21:00   1 
9 2016-01-01 06:22:00   1 
10 2016-01-01 06:25:00   1

我想知道如何计算在所有门票的特定时间范围内出售的门票数量。例如，我想计算所有票后15分钟内售出的票数。在这种情况下，第一行将有三张票，第二行将有四张票，等等。

理想情况下，我正在寻找一个dplyr解决方案，因为我想为具有group_by()函数的多个商店。但是，我在确定如何保存每个给定行的Timestamp时遇到一些问题，同时通过dplyr语法搜索所有时间戳。

来源

2016-06-24 dmartin

这是一个使用data.table的解决方案。还包含不同的商店。

示例数据：

library(data.table) 
dt <- data.table(Timestamp = as.POSIXct("2016-01-01 05:30:00")+seq(60,120000,by=60), 
       ticket_count = sample(1:9, 2000, T), 
       store = c(rep(c("A","B","C","D"), 500)))

现在应用以下：

ts <- dt$Timestamp 
for(x in ts) { 
    end <- x+900 
    dt[Timestamp <= end & Timestamp >= x ,CS := sum(ticket_count),by=store] 
}

这给你

    Timestamp ticket_count store CS 
     1: 2016-01-01 05:31:00   3  A 13 
     2: 2016-01-01 05:32:00   5  B 20 
     3: 2016-01-01 05:33:00   3  C 19 
     4: 2016-01-01 05:34:00   7  D 12 
     5: 2016-01-01 05:35:00   1  A 15 
     ---           
    1996: 2016-01-02 14:46:00   4  D 10 
    1997: 2016-01-02 14:47:00   9  A 9 
    1998: 2016-01-02 14:48:00   2  B 2 
    1999: 2016-01-02 14:49:00   2  C 2 
    2000: 2016-01-02 14:50:00   6  D 6

来源

2016-06-24 16:33:53

不完全。这只是第二行的正确答案。每行所需的窗口是不同的。所以对于第一行，我想知道5:30到5:45之间的票数，第二行是5:32和5:47之间的票数，5:38和5之间的第三行：53等，这是否有意义？ – dmartin

这是丑陋的一个我以前写的一个简化版本..

# install.packages('dplyr') 
library(dplyr) 

your_data %>% 
    mutate(timestamp = as.POSIXct(timestamp, format = '%m/%d/%Y %H:%M'), 
     ticket_count = as.numeric(ticket_count)) %>% 
    mutate(window = cut(timestamp, '15 min')) %>% 
    group_by(window) %>% 
    dplyr::summarise(tickets = sum(ticket_count)) 

       window tickets 
       (fctr) (dbl) 
1 2016-01-01 05:30:00  3 
2 2016-01-01 05:45:00  2 
3 2016-01-01 06:00:00  3 
4 2016-01-01 06:15:00  3

来源

2016-06-24 18:23:39 maloneypatr

在data.table的current development version，v1.9.7,non-equi连接被实现。假设您的data.frame被称为df和Timestamp列POSIXct类型：

require(data.table) # v1.9.7+ 
window = 15L # minutes 
(counts = setDT(df)[.(t=Timestamp+window*60L), on=.(Timestamp<t), 
        .(counts=sum(ticket_count)), by=.EACHI]$counts) 
# [1] 3 4 5 5 5 9 11 11 11 11 

# add that as a column to original data.table by reference 
df[, counts := counts]

对于每一行t，所有行df$Timestamp < that_row被取出。 by=.EACHI指示表达式sum(ticket_count)为t中的每一行运行。这给你想要的结果。

希望这会有所帮助。

来源

2016-06-25 22:11:14 Arun

使用滚动时间间隔来计算R和dplyr中的行

回答

相关问题