Question

我在R中有一个带有一系列变量的data.frame

userID (numeric) var1 (factor) var2 (factor) time (character) action (character)

每个用户会话的前3列相同，可以有很多行。但是，每行time和action都会发生变化。

我已经尝试aggregate将整个会话（连续行）合并为一行。

dat <- aggregate(cbind(time, action) ~ userID + var1 + var2, 
    data = log, FUN = paste, collapse = "|")

如果用户只出现在文件中一次，这将解决我的问题。但是，情况并非如此，上面的行将所有会话聚合为一行。

我该如何避免？如何仅汇总连续的行（会话）？

Answer 1

像MrFlick所说的那样，除了使用：

创建user.session变量

rle <- with(log, rle(as.character(interaction(user, var1, var2))))
log$user.session <- rep(seq_along(rle$lengths), rle$lengths)

对于我们凡人而言，似乎更容易理解......

Answer 2

我将创建一个user.session ID，以便为给定用户/ var1 / var2的每个连续行序列分配一个唯一ID。首先，一个样本数据集

log<-data.frame(
    user = rep(c(1,2,3,1,3,4), times),
    var1 = factor(rep(letters[c(1,2,3,1,3,4)+7], times)),
    var2 = factor(rep(letters[c(1,2,3,1,3,4)+13], times)),
    time = "a",
    action="b",
    stringsAsFactors=F
)

现在我们添加user.session id

log$user.session<-with(log, 
    ave(seq_len(nrow(log)),user,var1,var2,FUN=function(x) {
       cumsum(c(0,diff(x))!=1)
    })
)

现在你可以做到

dat <- aggregate(cbind(time, action) ~ user + var1 + var2 + user.session, 
    data = log, FUN = paste, collapse = "|")

给出了

  user var1 var2 user.session          time        action
1    1    h    n            1     a|a|a|a|a     b|b|b|b|b
2    2    i    o            1         a|a|a         b|b|b
3    3    j    p            1             a             b
4    4    k    q            1         a|a|a         b|b|b
5    1    h    n            2           a|a           b|b
6    3    j    p            2 a|a|a|a|a|a|a b|b|b|b|b|b|b

Answer 3

所以在床上我有相同的实现，即添加user.session列。我喜欢你的两个解决方案，但第二个更容易理解，这就是我选择它的原因。无论如何，这是第三种可能性

log $ user.session＆lt; - cumsum（c（TRUE，diff（log $ userID）！= 0））

然后，在聚合函数中包含此列也可以解决问题。

干杯。

聚合连续的行

3 个答案: