Найти записи без обязательной записи в кадре данных - PullRequest
Новая
       7

Найти записи без обязательной записи в кадре данных

0 голосов
/ 08 ноября 2018

У меня есть фрейм данных с 3 столбцами: Timestamp, MMR_NBR и Action

Действие DFV должно произойти до SAP Load для всех экземпляров MMR_NBR. Я хочу извлечь SAP Load экземпляров, для которых НЕ было выполнено действие DFV. Я использую sqldf в R и знаю, что R использует SQLite язык базы данных, поэтому оконные функции ограничены. Мне удалось получить записи, но я смотрю, есть ли более простой и лучший способ написать это с помощью запроса a SQL или любого пакета R, такого как dplyr.

Пример данных: 

 df5 <- structure(list(Timestamp = structure(c(7L, 8L, 9L, 10L, 11L, 
1L, 2L, 3L, 4L, 5L, 6L, 12L, 13L, 16L, 17L, 18L, 14L, 15L, 19L, 
20L), .Label = c("8/14/2018 11:22:18 AM", "8/14/2018 11:30:03 AM", 
"8/14/2018 11:32:26 AM", "8/14/2018 4:03:27 PM", "8/14/2018 4:04:05 PM", 
"8/14/2018 4:04:11 PM", "8/20/2018 4:02:00 PM", "8/20/2018 6:12:50 PM", 
"8/21/2018 9:56:51 AM", "8/21/2018 9:56:59 AM", "8/22/2018 10:43:45 AM", 
"8/22/2018 10:43:57 AM", "8/22/2018 4:34:53 PM", "8/23/2018 1:53:25 PM", 
"8/23/2018 1:53:36 PM", "8/23/2018 11:47:15 AM", "8/23/2018 12:23:44 PM", 
"8/23/2018 12:26:20 PM", "8/23/2018 2:38:59 PM", "8/23/2018 2:39:19 PM"
), class = "factor"), MMR_NBR = structure(c(12L, 10L, 2L, 2L, 
8L, 11L, 5L, 5L, 7L, 7L, 7L, 8L, 9L, 3L, 4L, 4L, 1L, 1L, 6L, 
6L), .Label = c("B00215", "B00216", "B00218", "B00219", "K00364", 
"K00625", "K00632", "K00642", "K00646", "W00362", "W00364", "W00365"
), class = "factor"), Action = structure(c(1L, 1L, 1L, 2L, 1L, 
2L, 2L, 2L, 1L, 1L, 2L, 2L, 2L, 2L, 1L, 2L, 1L, 2L, 1L, 2L), .Label = c("DFV", 
"SAP Load"), class = "factor")), .Names = c("Timestamp", "MMR_NBR", 
"Action"), row.names = c(NA, 20L), class = "data.frame")

в приведенном выше примере данных 8/14/2018 11:22:18 AM W00364 SAP Load должны быть возвращены вместе с аналогичными записями в результате запроса.

R Сценарий: 

sql="SELECT DISTINCT Timestamp, MMR_NBR, Action FROM df5 WHERE (Action='DFV' OR Action='SAP Load') AND MMR_NBR<>''"
df5 <- sqldf::sqldf(sql)

sql="SELECT MMR_NBR,Action, COUNT(*) FROM df5 GROUP BY MMR_NBR HAVING COUNT(*)=1"
df6 <- sqldf::sqldf(sql)

1 Ответ

0 голосов
/ 08 ноября 2018

Использование dplyr:

Шаг 1: превратить метку времени в фактическую метку времени: 

df5$Timestamp<- as.POSIXct(as.character(df5$Timestamp), format="%m/%d/%Y %I:%M:%S %p")

Шаг 2: 

require(dplyr)
df5 %>% group_by(MMR_NBR) %>%
arrange(Timestamp) %>% # Order by time
filter(Action=="SAP Load" & cumsum(Action=="DFV")==0) # Extract those cases where Action is "SAP Load" and the total of previous rows where Action was "DFV" is zero

Результат: 

# A tibble: 5 x 3
# Groups:   MMR_NBR [4]
  Timestamp           MMR_NBR Action  
  <dttm>              <fct>   <fct>   
1 2018-08-14 11:22:18 W00364  SAP Load
2 2018-08-14 11:30:03 K00364  SAP Load
3 2018-08-14 11:32:26 K00364  SAP Load
4 2018-08-22 16:34:53 K00646  SAP Load
5 2018-08-23 11:47:15 B00218  SAP Load
...