说我有这些数据:
start end duration
1 2.67026 2.903822 0.233562
2 4.40529 5.606470 1.201180
3 9.24340 10.010818 0.767418
4 11.87930 13.414140 1.534840
5 14.78210 15.182492 0.400392
6 16.51720 16.817494 0.300294
7 22.08930 25.125610 3.036310
8 32.13240 33.667240 1.534840
9 45.47880 45.912558 0.433758
10 52.85270 54.454270 1.601570
11 55.62210 56.389518 0.767418
它们代表一分钟内发生的11件事。每个都有一个开始和结束时间(以秒为单位)和该事件的持续时间(以秒为单位)。
我想要计算的是每10秒bin / epoch中花了多少秒来完成这些事件。
在data.table
中对数据进行分级的标准方法是执行以下操作:
as.data.table(df)[, .(total = sum(duration)), by = .(INTERVAL = cut(end, seq(0,60,10)))]
INTERVAL total
1: (0,10] 1.434742
2: (10,20] 3.002944
3: (20,30] 3.036310
4: (30,40] 1.534840
5: (40,50] 0.433758
6: (50,60] 2.368988
但请注意,事件3从9.24340秒开始,到10.010818秒结束。该方法仅将区间(0,10)中前两个事件的持续时间相加。我希望第一个间隔包括10-9.24340 = 0.7566秒,即它应该是2.19132秒。这个数字应该从第二个区间中减去,它应该是2.246344秒。
在这个例子中,0-10 / 10-20秒是事件跨越切割点的唯一事件,但是,显然我需要找到一个可以推广到任意数量潜在切割点的解决方案。
我认为解决方案可能是将时间转换为日期时间格式(包括毫秒?)并将其用于cut
数据,但是,我无法完成这项工作。
示例:
set.seed(1)
df<-
data.frame(
start=c(2.3, 3.5,6.7,9.4,10.4,13.5,16.3,18.1),
duration=runif(8,0,1)
)
df$end<-df$start+df$duration
dt<-data.table(df)
dt
start duration end
1: 2.3 0.2655087 2.565509
2: 3.5 0.3721239 3.872124
3: 6.7 0.5728534 7.272853
4: 9.4 0.9082078 10.308208
5: 10.4 0.2016819 10.601682
6: 13.5 0.8983897 14.398390
7: 16.3 0.9446753 17.244675
8: 18.1 0.6607978 18.760798
遵循Arun的解决方案:
lookup = data.table(start = seq(0, 18, by = 2), end = seq(2, 20, by = 2))
ans = foverlaps(dt, setkey(lookup, start, end))
ans[, sum(pmin(i.end, end) - pmax(i.start, start)), by=.(start,end)]
结果:
1: 2 4 0.6376326
2: 6 8 0.5728534
3: 8 10 0.6000000
4: 10 12 0.5098897
5: 12 14 0.5000000
6: 14 16 0.3983897
7: 16 18 0.9446753
8: 18 20 0.6607978
请注意,结果中不包括间隔0-2和4-6。显然,我们可以将这些绑定回来 - 但我想知道是否可以通过调整data.table
代码来完成这项工作吗?
答案 0 :(得分:3)
这是我用foverlaps()
想到的一种方式。
require(data.table) # v1.9.5+ (due to bug fixes in foverlaps for double)
lookup = data.table(start = seq(0, 50, by = 10), end = seq(10, 60, by = 10))
# start end
# 1: 0 10
# 2: 10 20
# 3: 20 30
# 4: 30 40
# 5: 40 50
# 6: 50 60
ans = foverlaps(dt, setkey(lookup, start, end))
ans[, sum(pmin(i.end, end) - pmax(i.start, start)), by=.(start,end)]
# start end V1
# 1: 0 10 2.191342
# 2: 10 20 2.246344
# 3: 20 30 3.036310
# 4: 30 40 1.534840
# 5: 40 50 0.433758
# 6: 50 60 2.368988
我觉得可能有更好的选择..