Question

我有两个数据表如下：

DT1

  id            start_time             end_time
 604        2017-08-10 18:44:14    2017-08-11 19:33:17
 604        2017-08-10 20:38:20    2017-08-11 20:44:44
 604        2017-08-10 20:54:26    2017-08-11 20:58:48
 604        2017-08-10 21:35:50    2017-08-11 22:03:14
 604        2017-08-10 22:05:42    2017-08-11 22:17:12

.......

DT2

 id             t1                            t2
 604        2017-08-10 18:40:14    2017-08-11 18:44:14
 604        2017-08-10 18:44:14    2017-08-11 18:47:14
 604        2017-08-10 19:44:14    2017-08-11 19:47:14
 604        2017-08-10 20:30:14    2017-08-11 20:42:20
 604        2017-08-10 21:44:14    2017-08-11 21:49:14
 604        2017-08-10 22:44:14    2017-08-11 22:48:14

...

从这两个中我想确定DT2行的累积位于DT的范围之间！例如，第1行从2017-08-10 18:44:14 to 2017-08-11 19:33:17开始所以我想在那段时间内在DT中积累时间并在DT1中作为eah行的列附加例如，第一行就像

   id            start_time             end_time           durationFromDT2
   604        2017-08-10 18:44:14    2017-08-11 19:33:17       420
   604        2017-08-10 20:38:20    2017-08-11 20:44:44       240

420是因为(2017-08-11 18:44:14-2017-08-10 18:40:14)+(2017-08-11 18:47:14-2017-08-10 18:44:14)。如果DT2在这段时间内没有出现，那么我希望它为0.同样明智的我也必须按照许多id分组。

240因为时间是(2017-08-11 20:42:20-2017-08-10 20:38:20)

所以它基本上是DT1在DT1时间段内的覆盖范围我尝试在行中循环但是没有顺利。相反，我正在寻找任何 dplyr 或数据表解决方案。因为循环不能正常工作

感谢任何帮助。

Answer 1

假设评论中建议的纠正措施是正确的，请在下面找到dplyr解决方案：

merge(DT1, DT2, by = "id", all = TRUE) %>%
    filter(t2 >= start_time, t1 <= end_time) %>% 
    mutate(t1_adj = if_else(start_time > t1, start_time, t1),
           t2_adj = if_else(end_time < t2, end_time, t2),
           difftime = difftime(t2_adj, t1_adj, units = "secs")) %>% 
    group_by(id, start_time, end_time) %>% 
    summarize(durationFromDT2 = sum(difftime)) %>% 
    right_join(DT1) %>% 
    mutate(durationFromDT2 = coalesce(durationFromDT2, 0))

cross join每个表之间的所有记录
filter向下cross join只包含DT2次 DT1区间内的时间点。

mutate _adj使用了列来强制t1和t2次在DT1开始和结束时间点之间保持约束，然后计算时间间隔。

group和summarize DT1条记录的持续时间。

要列出最终结果中的所有NULL条记录，请再次right_join DT1表格。

Replace NA s为0。

结果如下：

# A tibble: 5 x 4 # Groups: id, start_time [5] id start_time end_time durationFromDT2 <int> <dttm> <dttm> <time> 1 604 2017-08-10 18:44:14 2017-08-10 19:33:17 180 secs 2 604 2017-08-10 20:38:20 2017-08-10 20:44:44 240 secs 3 604 2017-08-10 20:54:26 2017-08-10 20:58:48 0 secs 4 604 2017-08-10 21:35:50 2017-08-10 22:03:14 300 secs 5 604 2017-08-10 22:05:42 2017-08-10 22:17:12 0 secs

来自OP的可重现（整流）样本数据帧如下：

library(lubridate) DT1 <- read.table(text = " id start_date start_time end_date end_time 604 2017-08-10 18:44:14 2017-08-10 19:33:17 604 2017-08-10 20:38:20 2017-08-10 20:44:44 604 2017-08-10 20:54:26 2017-08-10 20:58:48 604 2017-08-10 21:35:50 2017-08-10 22:03:14 604 2017-08-10 22:05:42 2017-08-10 22:17:12 ", header = TRUE, stringsAsFactors = FALSE) %>% mutate(start_time = ymd_hms(paste(start_date, start_time)), end_time = ymd_hms(paste(end_date, end_time))) %>% select(-c(start_date, end_date)) DT2 <- read.table(text = " id d1 t1 d2 t2 604 2017-08-10 18:40:14 2017-08-10 18:44:14 604 2017-08-10 18:44:14 2017-08-10 18:47:14 604 2017-08-10 19:44:14 2017-08-10 19:47:14 604 2017-08-10 20:30:14 2017-08-10 20:42:20 604 2017-08-10 21:44:14 2017-08-10 21:49:14 604 2017-08-10 22:44:14 2017-08-10 22:48:14 ", header = TRUE, stringsAsFactors = FALSE) %>% mutate(t1 = ymd_hms(paste(d1,t1)), t2 = ymd_hms(paste(d2,t2)), ) %>% select(-c(d1, d2))

如何找到两者之间的累计时间

1 个答案: