Question

我有一个包含视频流播放信息的数据集。每个会话分为几个部分，分别对应于某人暂停，向前或向后移动播放头等等... 我试图以这样的方式聚合流式播放数据，即我不会重复计算重叠的会话段。在下面的简化示例中，对于每个会话A，B，C，我可以有多个回放段，它们可以重叠：

df<-data.frame(session=c(rep("A",3), rep("B",5), "C"), 
           start=c(1,10,15,1,3,8,14,17,2), 
           end=c(4,18,20,10,5,12,16,20,10))

从3个段中的会话A开始，我可以使用包间隔来计算非重叠会话回放时间：

library(intervals)
x1<-Intervals(df[1:3,c('start','end')])
x1

#Intertries Intervals的对象

在R上的＃3个间隔：

＃1 [1,4]

＃2 [10,18]

＃3 [15,20]

interval_intersection(x1)

#Intertries Intervals的对象

超过R的＃2间隔：

＃[1,4]

＃[10,20]

size(interval_intersection(x1))

＃[1] 3 10

sum(size(interval_intersection(x1)))

＃[1] 13

因此，这为会话A提供了非重叠的会话持续时间。现在，我希望获得所有会话的会话持续时间。我希望我能用dplyr这样的东西，但我似乎无法整合Intervals：

library(dplyr)
df %>% 
mutate(interval=Intervals(start, end)) %>% 
group_by(session) %>%
summarise(session_duration=sum(size(interval_intersection(interval)))

这不起作用，因为我无法在mutate中使用Intervals函数。

我也试过tapply，但那也不起作用：

df.intervals<-Intervals(df[c('start','end')])
tapply(df.intervals, df$session, function(x) sum(size(interval_intersection(x))))

欢迎任何想法！

Answer 1

您不能以mutate开头，因为结果不是长度为nrow(df)的向量，而是＆＃34;类间隔对象＆＃34; （即使它包含nrow(df)个间隔）。

所以你只需要先进行分组：

library(intervals)
library(dplyr)

df %>% 
  group_by(session) %>%
  summarise(session_duration = sum(size(interval_intersection(Intervals(c(start, end))))))

# # A tibble: 3 × 2
#   session session_duration
#    <fctr>            <dbl>
# 1       A               13
# 2       B               16
# 3       C                8

R从重叠部分计算会话持续时间

1 个答案: