Question

#For say, I got a situation like this
user_id = c(1:5,1:5)
time = c(1:10)
visit_log = data.frame(user_id, time)

#And I've wrote a method to calculate interval
interval <- function(data) {
    interval = c(Inf)
    for (i in seq(1, length(data$time))) {
        intv = data$time[i]-data$time[i-1]
        interval = append(interval, intv)
    }

    data$interval = interval
    return (data)
}

#But when I want to get intervals by user_id and bind them to the data.frame,
#I can't find a proper way
#Is there any method to get something like
new_data = merge(by(visit_log, INDICE=visit_log$user_id, FUN=interval))

#And the result should be
    user_id time interval
1        1    1      Inf
2        2    2      Inf
3        3    3      Inf
4        4    4      Inf
5        5    5      Inf
6        1    6        5
7        2    7        5
8        3    8        5
9        4    9        5
10       5   10        5

Answer 1

我们可以用diff()函数替换你的循环，该函数计算向量中相邻索引之间的差异，例如：

> diff(c(1,3,6,10))
[1] 2 3 4

我们可以通过Inf将c(Inf, diff(x))添加到差异之前。

我们接下来需要的是将上述内容分别应用于每个user_id。为此，有很多选项，但在这里我使用aggregate()。令人困惑的是，此函数返回一个数据框，其中time组件本身就是一个矩阵。我们需要将该矩阵转换为向量，依赖于在R中首先填充矩阵列的事实。最后，我们根据您原始版本的函数在输入数据中添加interval列。

interval <- function(x) {
    diffs <- aggregate(time ~ user_id, data = x, function(y) c(Inf, diff(y)))
    diffs <- as.numeric(diffs$time)
    x <- within(x, interval <- diffs)
    x
}

这是一个稍微扩展的示例，每个用户有3个时间点，以说明上述功能：

> visit_log = data.frame(user_id = rep(1:5, 3), time  = 1:15)
> interval(visit_log)
   user_id time interval
1        1    1      Inf
2        2    2      Inf
3        3    3      Inf
4        4    4      Inf
5        5    5      Inf
6        1    6        5
7        2    7        5
8        3    8        5
9        4    9        5
10       5   10        5
11       1   11        5
12       2   12        5
13       3   13        5
14       4   14        5
15       5   15        5

有没有办法通过某种索引将数据绑定到data.frame？

1 个答案: