Question

为了使这个问题更加普遍，我相信它也可以改为：创建一个滚动的时间敏感因子变量。虽然这是一个不常见的要求，但它可以用于许多不同的数据源。

我有一系列non-uniform time data与＆gt;成千上万的用户每天1条记录。我想创建一个新列player_type，用于跟踪其行为的滚动30天定义。这种行为是由他们玩的游戏定义的;列'games'是gameA的一个因素，gameB。

因此有三种行为：

独家玩GameA - 'A'
独家玩GameB - 'B'
同时播放两款游戏 - 'Hybrid'

我想使用这个新专栏来查看他们的游戏行为随时间的变化，以及计算每个组中玩家的数量，看看他们如何改变。

每个玩家的时间序列都非常不规律。玩家每天可以玩多种类型的游戏，或者不玩任何游戏数月。每个玩家的时间序列不规则，只有当玩家玩游戏时才创建记录，因此我希望解决方案可能会使用类似的过滤器：

interval(current_date, current_date - new_period(days=30)（使用lubridate）。

这是一个示例数据集。请记住，它是简化的并测试滚动的1天更改，因此检查记录之前的简单方法实际上不起作用。如果您能够制作更好的数据集，请提供建议，我将编辑此帖子。

p <- c( 1,   1,   1,   2,   2,   2,   6,   6,   6)

g <- c('A', 'B', 'B', 'A', 'B', 'A', 'A', 'B', 'B')

d <- seq(as.Date('2014-10-01'), as.Date('2014-10-9'), by=1)

df <- data.frame(player_id = p, date = d, games = g)

作为输出我需要：

 player_id       date games   type
1         1 2014-10-01     A      A (OR NA)
2         1 2014-10-02     B Hybrid
3         1 2014-10-03     B      B
4         2 2014-10-04     A      A (OR NA)
5         2 2014-10-05     B Hybrid
6         2 2014-10-06     A Hybrid
7         6 2014-10-07     A      A (OR NA)
8         6 2014-10-08     B Hybrid
9         6 2014-10-09     B      B

解决方案应该类似于apply列，并应用一个功能，可以检查30天的时间，并使用ifelse()语句查看他们玩过的游戏。

这是一个非常相似的帖子 - 应该有助于解决这个问题。 How do I do a conditional sum which only looks between certain date criteria

我还使用dplyr探索了rowwise()和条件mutates()，但是抓取是我的历史时间组件。

感谢您的帮助！我不能完全感谢这个论坛。我会经常回来看看。

Answer 1

假设我理解正确，这是使用data.table函数的foverlaps()方式。

创建dt并设置密钥，如下所示：

dt <- data.table(player_id = p, games = g, date = d, end_date = d)
setkey(dt, player_id, date, end_date)

hybrid_index <- function(dt, roll_days) {
    ivals = copy(dt)[, date := date-roll_days]
    olaps = foverlaps(ivals, dt, type="any", which=TRUE)
    olaps[, val := dt$games[xid] != dt$games[yid]]
    olaps[, any(val), by=xid][(V1), xid]
}

我们创建一个虚拟data.table ivals（用于间隔），对于每一行，我们指定 start 和 end 日期。请注意，通过将 end_date 指定为dt$end_date，我们肯定会有一个匹配（这是故意的） - 这将为您提供您要求的非NA版本。

[这里有一些细微的变化，你可以得到NA版本，但我会留给你（假设这个答案是对的）。]

我们只需找到ivals与dt重叠的范围，每个 player_id的。我们得到匹配的指数。从那里它是直截了当的。如果玩家的游戏是非同质的，那么我们会从dt返回相应的hybrid_index索引。我们用“混合”代替那些指数。

# roll days = 1L dt[, type := games][hybrid_index(dt, 1L), type := "hybrid"] # player_id games date end_date type # 1: 1 A 2014-10-01 2014-10-01 A # 2: 1 B 2014-10-02 2014-10-02 hybrid # 3: 1 B 2014-10-03 2014-10-03 B # 4: 2 A 2014-10-04 2014-10-04 A # 5: 2 B 2014-10-05 2014-10-05 hybrid # 6: 2 A 2014-10-06 2014-10-06 hybrid # 7: 6 A 2014-10-07 2014-10-07 A # 8: 6 B 2014-10-08 2014-10-08 hybrid # 9: 6 B 2014-10-09 2014-10-09 B # roll days = 2L dt[, type := games][hybrid_index(dt, 2L), type := "hybrid"] # player_id games date end_date type # 1: 1 A 2014-10-01 2014-10-01 A # 2: 1 B 2014-10-02 2014-10-02 hybrid # 3: 1 B 2014-10-03 2014-10-03 hybrid # 4: 2 A 2014-10-04 2014-10-04 A # 5: 2 B 2014-10-05 2014-10-05 hybrid # 6: 2 A 2014-10-06 2014-10-06 hybrid # 7: 6 A 2014-10-07 2014-10-07 A # 8: 6 B 2014-10-08 2014-10-08 hybrid # 9: 6 B 2014-10-09 2014-10-09 hybrid

为了清楚地说明这个想法，我创建了一个函数并在函数中复制了dt。但您可以避免这种情况，并将ivals中的日期直接添加到dt，并使用by.x中的by.y和foverlaps()参数。请查看?foverlaps。

根据滚动日期中存在的条件创建新列

1 个答案: