Question

我们正在监控3个进程A，B和C，它们总是处于X，Y或Z级。协议记录进程何时更改级别。

df = read.csv(tc <- textConnection('Time1,Process1,Level1
2013-01-09 18:00:34,A,X
2013-01-09 18:00:34,B,Y
2013-01-09 18:00:34,C,X
2013-01-09 22:00:59,A,Z
2013-01-10 00:10:38,A,X
2013-01-10 18:38:35,B,Z
2013-01-11 05:03:11,A,Z
2013-01-11 11:09:10,C,Y
2013-01-11 12:01:18,A,Off
2013-01-11 12:01:18,B,Off
2013-01-11 12:01:18,C,Off
'),header=TRUE)
close.connection(tc) 
df$Time1 = as.POSIXct(df$Time1)

监测于2013-01-09 18:00:34开始，于2013-01-11 12:01:18关闭。在2013-01-09 18:00:34和2013-01-09 22:00:59之间，过程A处于X级，在2013-01-09 22:00:59和2013-01-10 00:10之间： 38过程A处于Z级。

出于图表目的，我们希望将每个午夜的每个流程的最后和第一级状态插入到协议中：

2013-01-09 23:59:59,A,Z
2013-01-10 00:00:00,A,Z
2013-01-10 23:59:59,A,X
2013-01-11 00:00:00,A,X

2013-01-09 23:59:59,B,Y
2013-01-10 00:00:00,B,Y
2013-01-10 23:59:59,B,Z
2013-01-11 00:00:00,B,Z

2013-01-09 23:59:59,C,X
2013-01-10 00:00:00,C,X
2013-01-10 23:59:59,C,X
2013-01-11 00:00:00,C,X

可以假设23:59:59到00:00:00之间的日志中没有事件。最后，协议将在插入后按Time1排序（我们可以自己弄清楚）。非常感谢任何指导！

Answer 1

（+ 1）相当复杂而有趣的任务。我想我有答案。我会试着在这里解释一下这个方法。我希望这是有道理的。这里有两个棘手的位。我的解决方案使用data.table。

First:我发现首先构建你需要的输出的前两列更容易。这是在下面显示的代码的第一部分中完成的：

require(data.table)
dates <- unique(as.character(strptime(as.character(df$Time1), "%Y-%m-%d")))
dates <- dates[1:(length(dates)-1)]
dates <- strptime(paste(dates, "23:59:59"), "%Y-%m-%d %H:%M:%S")
dates <- sort(c(dates, dates+1))
Time <- rep(dates, length(levels(df$Process1)))
Process <- rep(levels(df$Process1), each=length(dates))
dt.out <- data.table(Time=as.POSIXct(Time), Process=Process)
# data.table outputs crazy values if not converted using as.POSIXct..?!

通过查看每行代码的作用，可以直接理解。我希望它可以扩展到其他场景。

Second:第二位同样棘手，但可以使用data.table在一行中完成。花了一段时间才弄明白，但它太棒了！

dt <- data.table(df, key="Process1") # convert input data.frame to data.table
out <- dt.out[, dt[J(Process)]$Level1[max(which(dt[J(Process)]$Time1 < Time))], 
            by = c("Process", "Time")]

> out

    Process                Time V1
 1:       A 2013-01-09 23:59:59  Z
 2:       A 2013-01-10 00:00:00  Z
 3:       A 2013-01-10 23:59:59  X
 4:       A 2013-01-11 00:00:00  X
 5:       B 2013-01-09 23:59:59  Y
 6:       B 2013-01-10 00:00:00  Y
 7:       B 2013-01-10 23:59:59  Z
 8:       B 2013-01-11 00:00:00  Z
 9:       C 2013-01-09 23:59:59  X
10:       C 2013-01-10 00:00:00  X
11:       C 2013-01-10 23:59:59  X
12:       C 2013-01-11 00:00:00  X

让我将这两行分成几部分来解释发生了什么。

在第一行，我们set key dt为Process1。这允许VERY fast按列Process1过滤数据。也就是说，dt["A"]相当于df[df$Process1 == "A"]，但前者非常快。

在第二行中，发生了很多事情。我们已经使用所需输出的前两列创建了dt.out。剩下的就是第三栏。看一下by = c("Process", "Time")行的最后一部分。在这里，我们将这两个变量分开data.table dt.out。对于分割data.table中的每一个，我们应用dt[J(Process)]$Level1[max(which(dt[J(Process)]$Time1 < Time))]，它基本上从＆lt; maximum index的所有当前Time1值中选出Time。来自data.table的{{1}} Process过滤了Levels1并使用此最大索引返回相应的{{1}}值。

希望这有帮助。

将午夜条目插入日志

1 个答案: