Удаление нежелательных наблюдений и вычисление разницы во времени

Question

У меня есть фрейм данных, когда идентификатор проверяется, он может быть либо пропущен, либо не выполнен в этот конкретный момент.Как рассчитать, сумма времени, затраченного на изменение статуса с Сбой на Пройденное состояние с идентификаторами.Если идентификатор не удался, сбой, состояние прошло.Я должен добавить время, необходимое для изменения статуса с первого не пройденного и второго не пройденного состояния

time <- c("08-10-2018 08:36", "12-10-2018 07:53", "23-10-2018 23:09", "30-10-2018 18:24","07-11-2018 18:13","10-11-2018 05:47","19-11-2018 21:26","26-11-2018 14:04","16-10-2018 03:19","07-11-2018 19:00","09-11-2018 23:25","20-11-2018 19:24", "22-11-2018 01:12","28-11-2018 03:46","04-10-2018 15:05","15-10-2018 15:32","20-10-2018 06:21","26-10-2018 04:51","02-11-2018 00:28","09-11-2018 22:43","15-11-2018 22:39","21-11-2018 04:10","26-11-2018 13:29")
id <-c("A1","A1","A1","A1","A1","A1","A1","A1","A2","A2","A2","A2","A2","A2","A3","A3","A3","A3","A3","A3","A3","A3","A3")
status <- c("FAILED","PASSED","FAILED","PASSED","FAILED","PASSED","PASSED","PASSED","PASSED","FAILED","PASSED","FAILED","PASSED","PASSED","PASSED","FAILED","PASSED","PASSED","PASSED","FAILED","PASSED","PASSED","FAILED")

df <- data.frame(id, time, status)

Обязательный формат:

ids <- c("A1","A2", "A3")
diff_time <- c(13.25, 3.46, 10.61)
df2 <- data.frame(ids,diff_time)   

Заранее спасибо

Answer 1

Если я правильно понимаю, ОП хочет измерить разницу во времени между каждым событием FAILED и следующим последующим событием PASSED (для каждого id).Наконец, измеренные различия необходимо суммировать для каждого id.

. Это можно решить с помощью обратного прокатного соединения , которое доступно в пакете data.table.

Сначала мы должны разделить события FAILED и PASSED.Затем правое соединение используется для нахождения последующего события PASSED для каждого события FAILED.Два подмножества объединяются в id и time, где время откатывается назад (NOCB = следующее наблюдение переносится в обратном направлении).

library(data.table)
# coerce df to data.table, coerce time to POSIXct
setDT(df)[, time := lubridate::dmy_hm(time)]
# create subset PASSED
dfp <- df[status == "PASSED"][, timep := time]
# create subset FAILED
dff <- df[status == "FAILED"][, timef := time]
# backward rolling join
dfp[dff, on = .(id, time),  roll = -Inf]

   id                time status               timep i.status               timef
1: A1 2018-10-08 08:36:00 PASSED 2018-10-12 07:53:00   FAILED 2018-10-08 08:36:00
2: A1 2018-10-23 23:09:00 PASSED 2018-10-30 18:24:00   FAILED 2018-10-23 23:09:00
3: A1 2018-11-07 18:13:00 PASSED 2018-11-10 05:47:00   FAILED 2018-11-07 18:13:00
4: A2 2018-11-07 19:00:00 PASSED 2018-11-09 23:25:00   FAILED 2018-11-07 19:00:00
5: A2 2018-11-20 19:24:00 PASSED 2018-11-22 01:12:00   FAILED 2018-11-20 19:24:00
6: A3 2018-10-15 15:32:00 PASSED 2018-10-20 06:21:00   FAILED 2018-10-15 15:32:00
7: A3 2018-11-09 22:43:00 PASSED 2018-11-15 22:39:00   FAILED 2018-11-09 22:43:00
8: A3 2018-11-26 13:29:00   <NA>                <NA>   FAILED 2018-11-26 13:29:00

# rolling join and aggregate by id
dfp[dff, on = .(id, time),  roll = -Inf][, .(diff_time = sum(timep - timef, na.rm = TRUE)), by = id]

   id      diff_time
1: A1 13.254167 days
2: A2  3.425694 days
3: A3 10.614583 days