如何基於R中的重疊行匯總數據

Question

我將此問題發布為對上一個問題的擴展- 如何基於R中的預定義模式對數據進行子集化？ 。@ ycw幫助解決了前面的問題。 但是，我還有更多需要解決的問題。 我需要匯總以下數據（此數據是我上一個問題中解決方案部分的數據，並帶有附加的列）。

MoveID  Travel_Time Person  Day.ID  Place   Location_Code   Conc_Code   Mode
NA          NA      5       1       0       H                   1       NA
0           0.5     5       1       1       C                   0       D
1           0.5     5       1       2       D                   0       D
2           0.5     5       1       3       W                   1       D
3           1       5       1       4       E                   0       T
4           1       5       1       5       W                   1       T
5           0.25    5       1       6       H                   1       D
6           0.5     5       1       7       F                   0       P
7           1       5       1       8       H                   1       P

我想按以下方式總結基於Conc_Code的數據：對該數據子集進行分組，從該子集的第一個1開始到第二個1-add移動時間並串聯模式（將第一個單元格留在子集中）。 然后將數據從第二個1子集到第三個1子集-將子集中的傳播時間中的所有像元相加，並將同一子集中的模式的像元串聯起來，使子集中的第一個像元離開，以此類推。 我正在尋找的最終數據如下所示：

Person      Day     Journey Type        Mode/s  Travel Time(hr)
5           1       H-C-D-W             DDD     1.5
5           1       W-E-W               TT      2
5           1       W-H                 D       0.25
5           1       H-F-H               PP      1.5

如果有人可以幫助我進行正確的編碼以獲取結果，我將不勝感激。 同樣，當Conc_Code中1和0的模式與樣本數據中的模式不同時，能夠復制結果對我來說也很重要。 謝謝！

Answer 1

這是使用tidyverse和data.table的解決方案。 dt5是最終輸出。

# Load packages
library(tidyverse)
library(data.table)

# Create example data frame
dt <- read.table(text = "MoveID  Travel_Time Person  Day.ID  Place   Location_Code   Conc_Code   Mode
NA          NA      5       1       0       H                   1       NA
0           0.5     5       1       1       C                   0       D
1           0.5     5       1       2       D                   0       D
2           0.5     5       1       3       W                   1       D
3           1       5       1       4       E                   0       T
4           1       5       1       5       W                   1       T
5           0.25    5       1       6       H                   1       D
6           0.5     5       1       7       F                   0       P
7           1       5       1       8       H                   1       P",
                 header = TRUE, stringsAsFactors = FALSE)

步驟1：當Conc_Code == 1時復制行

在此步驟之后， Con_Code3 2表示開始，而1表示結束。

dt2 <- dt %>%
  mutate(Conc_Code2 = ifelse(Conc_Code == 1, 2, 0)) %>%
  mutate(Conc_Code3 = map2(Conc_Code, Conc_Code2, `:`)) %>%
  unnest() %>%
  select(-Conc_Code, -Conc_Code2)

步驟2：創建“運行長度ID”以標識事件

Run2指示事件ID

dt3 <- dt2 %>%
  mutate(Conc_Code4 = ifelse(Conc_Code3 == 0, 2, Conc_Code3)) %>%
  mutate(Run1 = rleid(Conc_Code4)) %>%
  mutate(Run2 = ifelse(Run1 %% 2 == 1, Run1 - 1, Run1))

步驟3：根據事件ID匯總數據

dt4 <- dt3 %>%
  group_by(Person, Day.ID, Run2) %>%
  summarise(`Journey Type` = paste(Location_Code, collapse = "-"),
            `Mode/s` = paste(Mode[2:n()], collapse = ""),
            `Travel Time(hr)` = sum(Travel_Time[2:n()])) %>%
  ungroup()

步驟4：刪除第一行和最后一行，最后處理

dt5 <- dt4 %>%
  group_by(Person, Day.ID) %>%
  slice(2:(n() - 1)) %>%
  select(-Run2) %>%
  rename(Day = Day.ID)