先頭行のデータを参照する

Question

私は、異なるステーションに自転車の軌道を追跡するサンプルデータセットを持っています。私の目標は、時々、自転車は、彼らが終了し、同じ駅で開始し、これらの例はありません

> test 
    bikeid start_station   starttime end_station    endtime 
1  1    A 2017-09-25 01:00:00   B 2017-09-25 01:30:00 
2  1    B 2017-09-25 07:30:00   C 2017-09-25 08:00:00 
3  1    C 2017-09-25 10:00:00   A 2017-09-25 10:30:00 
4  1    A 2017-09-25 13:00:00   C 2017-09-25 13:30:00 
5  1    C 2017-09-25 15:30:00   B 2017-09-25 16:00:00 
6  1    B 2017-09-25 18:00:00   B 2017-09-25 18:30:00 
7  1    B 2017-09-25 19:00:00   A 2017-09-25 19:30:00 
8  1    А 2017-09-25 20:00:00   B 2017-09-25 20:30:00 
9  1    C 2017-09-25 22:00:00   C 2017-09-25 22:30:00 
10  1    B 2017-09-25 23:00:00   C 2017-09-25 23:30:00 

B.

駅、自転車はこの場合には、 difftime()と特定の駅で残っているの間隔を見つけること です無視する必要があります。上記のデータセットでは、 01:30:00と 07:30:00の間で360分が経過し、120分が 16:00:00と 18:00:00の間で経過し、30分が 18:30:00と 19:00:00の間に経過したことがわかります。自転車が終了した同じ駅で始動しないため、行8と10は無視されます。したがって、ベクターはなければならない出力：

[1] 360 120 30 

次のコードで使用して、所望の出力を生成しない。

sapply(test$starttime[test$end_station == "B"], function(x, et) difftime(et[x < et][1], x, units = "mins"), et = test$endtime[test$start_station == "B"]) 

どのようにしてアカウントに次の行を取るときにのみend_stationdifftime()を計算するであろうと次の行のstart_stationは等しいか？ dplyrにlead()を使用していますか？任意の提案はここ

をいただければ幸いサンプルデータです：

自転車がアイドル状態のときでも、呪文のために戻ってワイドに続いて...

library(data.table) 

mtest = melt(setDT(test), id="bikeid", 
    meas = patterns("_station", "time"), 
    variable.name = "event", 
    value.name = c("station", "time")) 
mtest[.(factor(1:2), c("start", "end")), on=.(event), event := i.V2] 
setkey(mtest, bikeid, time) 

をas suggested最後の時間をリシェイプ

> dput(test) 
structure(list(bikeid = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1), start_station = c("A", 
"B", "C", "A", "C", "B", "B", "А", "C", "B"), starttime = structure(c(1506315600, 
1506339000, 1506348000, 1506358800, 1506367800, 1506376800, 1506380400, 
1506384000, 1506391200, 1506394800), class = c("POSIXct", "POSIXt" 
), tzone = ""), end_station = c("B", "C", "A", "C", "B", "B", 
"A", "B", "C", "C"), endtime = structure(c(1506317400, 1506340800, 
1506349800, 1506360600, 1506369600, 1506378600, 1506382200, 1506385800, 
1506393000, 1506396600), class = c("POSIXct", "POSIXt"), tzone = "")), .Names = c("bikeid", 
"start_station", "starttime", "end_station", "endtime"), row.names = c(NA, 
-10L), class = "data.frame") 

Answer 1

..

idleDT = dcast(mtest[-c(1,.N)][, g := rep(1:.N, each=2, length.out=.N)], 
    g ~ rowid(g), value.var=c("station", "time")) 

    g station_1 station_2    time_1    time_2 
1: 1   B   B 2017-09-25 01:30:00 2017-09-25 07:30:00 
2: 2   C   C 2017-09-25 08:00:00 2017-09-25 10:00:00 
3: 3   A   A 2017-09-25 10:30:00 2017-09-25 13:00:00 
4: 4   C   C 2017-09-25 13:30:00 2017-09-25 15:30:00 
5: 5   B   B 2017-09-25 16:00:00 2017-09-25 18:00:00 
6: 6   B   B 2017-09-25 18:30:00 2017-09-25 19:00:00 
7: 7   A <U+0410> 2017-09-25 19:30:00 2017-09-25 20:00:00 
8: 8   B   C 2017-09-25 20:30:00 2017-09-25 22:00:00 
9: 9   C   B 2017-09-25 22:30:00 2017-09-25 23:00:00 

次に、結合またはフィルタリングして計算します。

idleDT[.("B", "B"), on=.(station_1, station_2), time_2 - time_1 ] 

Time differences in mins 
[1] 360 120 30 

コメント

私は分析のためにすぐに戻ってワイドフォーマットへ行くにもかかわらず、OPのtestにわたり長期形式mtestを好む、なぜ私はおそらく説明しなければならない（感謝@Henrik）...

• ステーションはおそらくファクタである必要がありますが、コアデータ内の2つの列に分割されている場合、両方の要素が同じレベルになるようにするのは負担です。
• データはおそらく、旅行の点ではなく、「自転車の左」と「自転車が到着しました」のようなイベントの面で記録されます。たとえば、誰かが自転車を盗んだり、迷子になったりすると、endtimeとend_stationが論理的に欠けているはずですが、これは長いフォーマットで追跡するのが簡単です。
• 測定されたデータには論理的に意味をなさないものの、2つの「バイク到着」イベントがあっても、データで間違っているものは間違っています。これが起こった場合、あなたは旅行の観点からそれをワイドフォーマットで記録する方法を考え出すのが難しいでしょう。

一般的に、私は単なるデータのレイアウトに関するリンクにハドレーの苦情にリフ、tidy dataの私の（おそらく熱心または間違った）理解を適用していますここで、「[C] olumnヘッダの値ではなく、変数名です。」

Answer 2

dplyrソリューション：

library(dplyr) 
df %>% 
    mutate(lag_end_station = lag(end_station), 
     lag_end_time = lag(endtime)) %>% 
    filter(start_station == "B" & lag_end_station == "B") %>% 
    transmute(interval = difftime(starttime, lag_end_time)) 

結果：

interval 
1 360 mins 
2 120 mins 
3 30 mins