Sono nuovo a R e sto lavorando a un progetto parallelo per i miei scopi. Ho questi dati (dput riproducibile di questo è alla fine della questione):Rimodellamento dei dati in R con "accesso" "uscita" orari
X datetime user state
1 1 2016-02-19 19:13:26 User1 joined
2 2 2016-02-19 19:21:18 User2 joined
3 3 2016-02-19 19:21:33 User1 joined
4 4 2016-02-19 19:35:38 User1 joined
5 5 2016-02-19 19:44:15 User1 joined
6 6 2016-02-19 19:48:55 User1 joined
7 7 2016-02-19 19:52:40 User1 joined
8 8 2016-02-19 19:53:15 User3 joined
9 9 2016-02-19 20:02:34 User3 joined
10 10 2016-02-19 20:13:48 User3 joined
19 637 2016-02-19 19:13:32 User1 left
20 638 2016-02-19 19:25:26 User1 left
21 639 2016-02-19 19:30:30 User2 left
22 640 2016-02-19 19:42:16 User1 left
23 641 2016-02-19 19:47:59 User1 left
24 642 2016-02-19 19:51:06 User1 left
25 643 2016-02-19 20:02:26 User3 left
voglio farlo sembrare come questo:
user joined left
1 User1 2016-02-19 19:13:26 2016-02-19 19:13:32
2 User2 2016-02-19 19:21:18 2016-02-19 19:30:30
3 User3 2016-02-19 19:53:15 2016-02-19 20:02:26
4 User1 2016-02-19 19:21:33 2016-02-19 19:25:26
.
.
.
sto guardando tidyr come c'è un po 'di rimodellamento coinvolto ovviamente, ma non riesco a capire cosa si debba fare esattamente. È possibile anche questo (senza cicli/quantità massicce di codice procedurale)? Il problema che non riesco a capire come aggirare è che non c'è modo di sapere che un particolare record "di sinistra" dovrebbe essere unito a un particolare record "unito". Gli esempi che riesco a trovare riguardano tutti un mese o giorno statico su cui vengono raccolti altri valori. Devo aggiungere che non è necessariamente garantito che tutti i record abbiano un valore "sinistro" (un utente potrebbe ancora essere "unito").
Ecco l'output dput di un campione dei dati:
> dput(samp)
structure(list(X = c(1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 10L,
11L, 12L, 13L, 14L, 15L, 16L, 17L, 18L, 637L, 638L, 639L, 640L,
641L, 642L, 643L, 644L, 645L, 646L, 647L, 648L, 649L, 650L, 651L
), datetime = structure(c(1L, 3L, 4L, 7L, 9L, 11L, 13L, 14L,
16L, 18L, 21L, 22L, 23L, 26L, 27L, 30L, 32L, 33L, 2L, 5L, 6L,
8L, 10L, 12L, 15L, 17L, 19L, 20L, 24L, 25L, 28L, 29L, 31L), .Label = c("2016-02-19 19:13:26",
"2016-02-19 19:13:32", "2016-02-19 19:21:18", "2016-02-19 19:21:33",
"2016-02-19 19:25:26", "2016-02-19 19:30:30", "2016-02-19 19:35:38",
"2016-02-19 19:42:16", "2016-02-19 19:44:15", "2016-02-19 19:47:59",
"2016-02-19 19:48:55", "2016-02-19 19:51:06", "2016-02-19 19:52:40",
"2016-02-19 19:53:15", "2016-02-19 20:02:26", "2016-02-19 20:02:34",
"2016-02-19 20:13:38", "2016-02-19 20:13:48", "2016-02-19 20:42:27",
"2016-02-19 20:48:22", "2016-02-19 20:49:31", "2016-02-19 20:59:58",
"2016-02-19 21:06:20", "2016-02-19 21:10:43", "2016-02-19 21:11:13",
"2016-02-19 21:11:15", "2016-02-19 21:11:22", "2016-02-19 21:17:33",
"2016-02-19 22:02:45", "2016-02-19 22:05:18", "2016-02-19 22:05:37",
"2016-02-19 22:05:47", "2016-02-19 22:30:30"), class = "factor"),
user = structure(c(1L, 2L, 1L, 1L, 1L, 1L, 1L, 3L, 3L, 3L,
3L, 4L, 1L, 1L, 4L, 4L, 4L, 3L, 1L, 1L, 2L, 1L, 1L, 1L, 3L,
3L, 3L, 1L, 4L, 1L, 1L, 4L, 4L), .Label = c("User1", "User2",
"User3", "User4"), class = "factor"), state = structure(c(1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
2L, 2L), .Label = c("joined", "left"), class = "factor")), .Names = c("X",
"datetime", "user", "state"), class = "data.frame", row.names = c(NA,
-33L))
Qualcun altro info: è lecito supporre che ci siano valori "di sinistra" corrispondenti per tutti tranne l'ultimo record "unito" (questo non è vero nel set di dati di esempio. Ho ridotto i dati reali in qualcosa di più piccolo da pubblicare qui). Sembra che tu possa tagliare il set di dati per utente/stato, quindi colmare la data che ogni utente ha lasciato per risolvere questo problema. 'ts <-spread (test, state, datetime)' ottiene il dataset preparato in molti modi. –
La colonna X è significativa qui, ad es. come numero di sequenza? –
No, può essere ignorato. –