Определить последовательные последовательности на основе заданной переменной

Question

Я буквально застрял на этом. df1 имеет следующие переменные:

1. serial = группа людей

2. id1 = человек из группы ( например, 12 (serial) 1 (id1) = группа 12 person 1; 12 2 = group 12 person 2, etc.)

3. 'Day ', когда была сделана первая (или начальная) запись.

Дни состоят из одинакового количества наблюдений (например, 95)

        day1 (Monday)  =  day11-day196 
        day2 (Tuesday) = day21-day296     
        day3 (Wednesday) =  day31-day396   
        day4 (Thursday) =  day41-day496   
        day5 (Friday) = day51-day596      
        day6 (Saturday) = day61-day696   
        day7 (Sunday) =  day71-day796  

Пример df1

serial id1  Day     day1 day2 day3 day4 day5 day6 day7
12      1   Monday    2    1    2    1    1    3    1
123     1   Tuesday   0    3    0    3    3    0    3
10      1   Wednesday 0    3    3    3    3    3    3

Я хотел бы определить последовательные записи (между ежедневные записи) и общее количество записей.

Начальным днем ​​для последовательных записей является переменная «День». Например, последовательная запись будет последовательной 12. Запись началась в понедельник, и в течение недели есть записи (по крайней мере, одна из 95 переменных). В течение недели (переменная 7 x 95) было сделано 11 записей

Непоследовательная запись будет иметь идентификатор 123, поскольку существует день разрыва в день 3 и день 6. Запись началась во вторник, и в среду и субботу есть разрыв.

Наконец, я хотел бы записать продолжительность последовательной записи.

Пример вывода:

 serial  id1   Duration Occurance        Days
12       1      11        7        day1 day2 day3 day4 day5 day6 day7
123      1      12        0        0
10       1      18        5        day3 day4 day5 day6 day7

Пример данных

structure(list(serial = c(12, 123, 10), id1 = c(1, 1, 1), Day = structure(1:3, .Label = c("Monday",
"Tuesday", "Wednesday"), class = "factor"), day1 = c(2, 0, 0),
day2 = c(1, 3, 3), day3 = c(2, 0, 3), day4 = c(1, 3, 3),
day5 = c(1, 3, 3), day6 = c(3, 0, 3), day7 = c(1, 3, 3)), row.names = c(NA,
3L), class = "data.frame")

Подобный пост R - определить последовательные последовательности

Answer 1

Мы можем использовать rleid из data.table, чтобы получить правильный 'Occurance'

library(data.table)
wkdays <- c("Monday", "Tuesday", "Wednesday", "Thursday", 
"Friday", "Saturday", "Sunday")

out1 <-  do.call(rbind, Map(function(x, y) {
              i1 <- match(y, wkdays): length(x)
              i2 <- x[i1] != 0
              i3 <- all(i2)
              grp1 <- rleid(i2)
              Days <- if(i3) tapply(names(x)[i1][i2], grp1[i2], FUN = paste, collapse= ' ') else ''
             Occurance <- if(i3) length(grp1[i2]) else 0
             data.frame(Occurance, Days)
            }, asplit(df[-(1:3)], 1), df$Day))

 out1$Duration <- rowSums(df1[startsWith(names(df1), 'day')])
 out1
 # Occurance                               Days Duration
 #1         7 day1 day2 day3 day4 day5 day6 day7       11
 #2         0                                          12
 #3         5           day3 day4 day5 day6 day7       18

Answer 2

Вы можете использовать lead и lag из dplyr,

Я попробовал это на моей стороне, и вот результат:

library(dplyr)

df %>% 
    select(serial, contains("day", ignore.case = FALSE)) %>% 
    group_by(serial) %>% 
    tidyr::gather(day, val, -serial) %>% 
    # convert to binary 
    mutate(occur = ifelse(val > 0, 1, 0)) %>% 
    # if detect a seq, add cumulative, else 0
    mutate(cums = ifelse(lead(occur) > 0 & lag(occur) > 0 & occur > 0, 
                         occur + cumsum(occur), 0)) %>% 
    summarise(occurance = max(cums, na.rm = T), duration = sum(val))

# A tibble: 3 x 3
  serial occurance duration
   <dbl>     <dbl>    <dbl>
1     10         6       18
2     12         7       11
3    123         0       12