Question

我有一个包含12列的数据框，数据的小预览如下所示：

Unique1                Unique2        Unique3    DateTimeOld         Device1    Device2   Device3            MobileTablet   Desktop            DateTime            Date       Time
1 da-DK;da;q=0.8;en-US 4131620418     615        2015-06-01 00:06:06 mobile web android   computer            1             0                  2015-06-01 00:06:00 2015-06-01 00:06:00
2 da-DK;da;q=0.8;en-US 4131620418     615        2015-06-01 00:06:38 mobile web android   computer            1             0                  2015-06-01 00:06:00 2015-06-01 00:06:00
3                   da        537     747        2015-06-01 00:13:23        web                               0             1                  2015-06-01 00:13:00 2015-06-01 00:13:00
4                   da        537     747        2015-06-01 00:14:12        web                               0             1                  2015-06-01 00:14:00 2015-06-01 00:14:00
5                   da        537     747        2015-06-01 00:14:47        web                               0             1                  2015-06-01 00:14:00 2015-06-01 00:14:00
6                   da        537     747        2015-06-01 00:15:13        web                               0             1                  2015-06-01 00:15:00 2015-06-01 00:15:00

该数据包含许多访问网站的各种用户。前3列用于标识用户，其中每个用户都有自己独特的组合。我希望删除数据的所有副本，如果下一次用户交互之间的时差与上一次交互相差不到30分钟。

这意味着如果一个唯一的用户＆＃34; A＆＃34;已经在00:14访问了该网站，然后在00:15再次访问该网站，则该行应该被删除为00：15-00 ：14 = 00：01＆LT; 00：30

如果是另一个独特用户＆＃34; B＆＃34;在00:07访问了网站，然后在00:40再次访问该网站，然后不应该删除此行，因为00：40-00：07不小于00:30 如果是第三个用户＆＃34; C＆＃34;在00:13访问了网站，然后在00:30然后在00:50再次访问该网站，然后应该删除另外两行，因为00：30-00：13 = 00：17＆lt; 00：30和00:50 -00：30 = 00：20℃，00：30

我遇到的问题是Unique用户可以交织在一起，所以我看到的是上一行的简单函数减去下一行来计算时间。

Answer 1

您的用户拆分数据，以便您可以在每个组上运行一个简单的功能。 lapply / split和by是其他选项，但我使用了tapply：

x$timesincelastvisit <- unlist(tapply(x$DateTimeOld,INDEX = paste(x$Unique1,x$Unique2,x$Unique3),function(x){
  c(NA,diff(sort(x)))
}))
x[x$timesincelastvisit > 30 | is.na(x$timesincelastvisit), ]

Diff（）可能会像我一样使用您的示例数据计算秒数，因此您必须更改＆＃34;＆gt; 30＆＃34;到＆＃34;＆gt; 30 * 60＆＃34;

如果时间段处于条件

1 个答案: