Question

我有一个数据集，其中包含人们超过特定天数的信息 - 数据具有三种长格式嵌套级别。首先是人，第二是日，第三是位置。每行表示一个位置。我有信息类型的位置（家庭，工作等），用于到达该位置的旅行模式（步行，自行车，公共汽车等），以及到达和离开时间。这是一份每日旅行日记，从家里开始，到家里结束我需要聚合数据以创建每天每个人的以下类型的旅程的信息：

1. Journey from home to work without detour. (H-W)
2. Journey from home to work with detour. (H-dt-W) the number of detour does not matter. 
3. Journey work to home without detour. (W-H) 
4. Journey work to home with detour. (W-dt-H) the number of detour does not matter
5. Journey starting from home and ending at home and does not include work in between. (H-O..-H)
6. Journey starting from work and ending at work and does not include home in between. (W-O..-W)

对于所有这些类别，我需要旅行模式和总旅行时间的信息。例如：想象一个星期一;一个人在家里醒来（H）吃早餐，然后前往他的车上办公（W）;在途中，他在星巴克停下来喝咖啡（C），然后从他们的家中接走一名同事（D）。在工作的白天，该人去不同地点（E）拜访客户并重返工作岗位;这次他需要火车。那个人然后在那天早些时候回家，因为他需要去杂货店。所以这个人回到家里，去了位置（F）的杂货店，回到家里，这次走到杂货店。这个人做了不同的旅程：1）H-dt（C-D）-W，2）W-O（E）-W，3）W-H，5）H-O（F）-H。他使用不同的模式进行旅程，1）驾驶，2）火车，3）步行。我们可以使用到达和离开时间为每个位置添加旅行时间。下面是数据的表格形式。（以下数据仅适用于一个人的一天，但我的数据有更多的日期和人员。）

    ###Data I have
Person   Day ID     Place   Location_Code   Mode    Arrive      Depart
   5        1       0           H           NA      NA          8:00:00 AM
   5        1       1           C           D       8:30:00 AM  9:30:00 AM
   5        1       2           D           D       10:00:00 AM 11:00:00 AM
   5        1       3           W           D       11:30:00 AM 12:00:00 PM
   5        1       4           E           T       1:00:00 PM  1:30:00 PM
   5        1       5           W           T       2:30:00 PM  3:45:00 PM
   5        1       6           H           D       4:00:00 PM  4:30:00 PM
   5        1       7           F           P       5:00:00 PM  6:00:00 PM
   5        1       8           H           P       7:00:00 PM  NA


###Data I want
Person  Day     Journey Type    Mode/s  Travel Time(hr)     
5       1       H-dt-W          DDD         1.5     
5       1       W-O-W           TT          2       
5       1       W-H             D           0.25        
5       1       H-O-H           PP          1.5

我还enter image description here附上了我的数据图片和我想要的数据。

Answer 1

以下是使用tidyverse，data.table，lubridate和stringr中的函数的解决方案。 dt6是最终输出。请注意dt6与Journey Type列之外的所需输出完全相同，因为我不知道编码的逻辑和增强（例如为什么HCDW是H-dt（CD） - W2）。我只是结合了所有信息。您可以根据自己的喜好更改编码。

# Load package
library(tidyverse)
library(data.table)
library(lubridate)
library(stringr)

数据准备

# Create example data frame
dt <- read.table(text = "Person   'Day ID'     Place   Location_Code   Mode    Arrive      Depart
5        1       0           H           NA      NA          '8:00:00 AM'
5        1       1           C           D       '8:30:00 AM'  '9:30:00 AM'
5        1       2           D           D       '10:00:00 AM' '11:00:00 AM'
5        1       3           W           D       '11:30:00 AM' '12:00:00 PM'
5        1       4           E           T       '1:00:00 PM'  '1:30:00 PM'
5        1       5           W           T       '2:30:00 PM'  '3:45:00 PM'
5        1       6           H           D       '4:00:00 PM'  '4:30:00 PM'
5        1       7           F           P       '5:00:00 PM'  '6:00:00 PM'
5        1       8           H           P       '7:00:00 PM'  NA",
                 header = TRUE, stringsAsFactors = FALSE)

第1步：转换到达并离开日期时间等级

如果您的所有移动事件都发生在同一天，那么年份和月份2000-01无关紧要。我刚刚添加它们以便更容易转换为日期时间类。

dt2 <- dt %>%
  mutate(Arrive = ymd_hms(paste0("2000-01-", Day.ID, " ", Arrive)),
         Depart = ymd_hms(paste0("2000-01-", Day.ID, " ", Depart)))

步骤2：根据Arrive和Depart将数据帧从宽格式转换为长格式。创建一个MoveID，这是Place列的一个滞后差异。

dt3 <- dt2 %>%
  # Convert to long format
  gather(Action, Time, Arrive, Depart) %>%
  arrange(Person, Day.ID, Place, Location_Code, Action) %>%
  group_by(Person, Day.ID, Place, Location_Code) %>%
  # Create a Moving ID
  mutate(MoveID = lag(Place)) %>%
  ungroup() %>%
  fill(MoveID, .direction = "down")

步骤3：计算每次MoveID

的出发和到达之间的时差

dt4 <- dt3 %>%
  # Calculate time difference 
  group_by(Person, Day.ID, MoveID) %>%
  summarise(Travel_Time = difftime(dplyr::last(Time), dplyr::first(Time),
                                   units = "hours")) %>%
  ungroup() %>%
  select(MoveID, Travel_Time) %>%
  right_join(dt3, by = "MoveID")

第4步：将Travel_Time移动一个。根据模式创建运行长度ID。

dt5 <- dt4 %>%
  mutate(Travel_Time = lag(Travel_Time)) %>%
  mutate(RunID = rleid(Mode)) %>%
  group_by(Person, Day.ID, Place) %>%
  slice(1) %>%
  select(-Action, -Time) %>%
  ungroup()

步骤5：创建所有所需的列

dt6 <- dt5 %>%
  group_by(Person, Day.ID, RunID) %>%
  summarise(Travel_Time_Sum = sum(Travel_Time), 
            Mode_Sum = paste(Mode, collapse = ""),
            Journey = paste(Location_Code, collapse = "-")) %>%
  mutate(Journey = paste(str_sub(lag(Journey), start = -1, end = -1), 
                         Journey, sep = "-")) %>%
  # Remove any columns with NA in Travel_Time_Sum
  drop_na(Travel_Time_Sum) %>%
  select(Person, Day = Day.ID, `Journey Type` = Journey, `Mode/s` = Mode_Sum, 
         `Travel Time(hr)` = Travel_Time_Sum)

如何根据R中的预定义模式对数据进行子集？

1 个答案: