合並記錄隨時間間隔

Question

首先讓我說這個問題與R（統計編程語言）有關，但我對其他環境提出了直截了當的建議。

目標是將數據框架（df）A的結果合並到df B中的子元素。這是一對多的關系，但是，這是扭曲 ，一旦記錄與鍵匹配，它們也必須匹配特定的框架開始時間和持續時間給出的時間。

例如，df A中的一些記錄：

    OBS ID StartTime Duration Outcome 
    1   01 10:12:06  00:00:10 Normal
    2   02 10:12:30  00:00:30 Weird
    3   01 10:15:12  00:01:15 Normal
    4   02 10:45:00  00:00:02 Normal

從df B：

    OBS ID Time       
    1   01 10:12:10  
    2   01 10:12:17  
    3   02 10:12:45  
    4   01 10:13:00  

合並的預期結果將是：

    OBS ID Time     Outcome  
    1   01 10:12:10 Normal 
    3   02 10:12:45 Weird 

期望的結果：數據框B與結果合並在A中。通知觀察2和4被刪除，因為盡管它們匹配A中記錄的ID，但它們不屬於給定的任何時間間隔內。

題

是否可以在R中執行此類操作，您將如何開始？ 如果沒有，你能建議一個替代工具嗎？

Answer 1

設置數據

首先設置輸入數據幀。 我們創建了兩個版本的數據框： A和B只使用字符列表示時間， At和Bt使用chron包"times"類表示時間（這比"character"類更有優勢，可以添加和減去他們）：

LinesA <- "OBS ID StartTime Duration Outcome 
    1   01 10:12:06  00:00:10 Normal
    2   02 10:12:30  00:00:30 Weird
    3   01 10:15:12  00:01:15 Normal
    4   02 10:45:00  00:00:02 Normal"

LinesB <- "OBS ID Time       
    1   01 10:12:10  
    2   01 10:12:17  
    3   02 10:12:45  
    4   01 10:13:00"

A <- At <- read.table(textConnection(LinesA), header = TRUE, 
               colClasses = c("numeric", rep("character", 4)))
B <- Bt <- read.table(textConnection(LinesB), header = TRUE, 
               colClasses = c("numeric", rep("character", 2)))

# in At and Bt convert times columns to "times" class

library(chron) 

At$StartTime <- times(At$StartTime)
At$Duration <- times(At$Duration)
Bt$Time <- times(Bt$Time)

sqldf與時間類

現在我們可以使用sqldf包執行計算。 我們使用method="raw" （它沒有為輸出分配類）所以我們必須將"times"類分配給輸出"Time"列自己：

library(sqldf)

out <- sqldf("select Bt.OBS, ID, Time, Outcome from At join Bt using(ID)
   where Time between StartTime and StartTime + Duration",
   method = "raw")

out$Time <- times(as.numeric(out$Time))

結果是：

> out
      OBS ID     Time Outcome
1   1 01 10:12:10  Normal
2   3 02 10:12:45   Weird

使用sqldf的開發版本，可以在不使用method="raw" ，並且"Time"列將通過sqldf類賦值啟發式自動設置為"times"類：

library(sqldf)
source("http://sqldf.googlecode.com/svn/trunk/R/sqldf.R") # grab devel ver 
sqldf("select Bt.OBS, ID, Time, Outcome from At join Bt using(ID)
    where Time between StartTime and StartTime + Duration")

sqldf與字符類

它實際上可以通過在sqlite中使用sqlite的strftime函數執行字符串中的所有時間計算來不使用"times"類。 不幸的是，SQL語句涉及更多：

sqldf("select B.OBS, ID, Time, Outcome from A join B using(ID)
    where strftime('%s', Time) - strftime('%s', StartTime)
       between 0 and strftime('%s', Duration) - strftime('%s', '00:00:00')")

編輯：

一系列修改語法的編輯，添加了額外的方法並修復/改進了read.table語句。

編輯：

簡化/改進了最終的sqldf語句。

Answer 2

這是一個例子：

# first, merge by ID
z <- merge(A[, -1], B, by = "ID")

# convert string to POSIX time
z <- transform(z,
  s_t = as.numeric(strptime(as.character(z$StartTime), "%H:%M:%S")),
  dur = as.numeric(strptime(as.character(z$Duration), "%H:%M:%S")) - 
    as.numeric(strptime("00:00:00", "%H:%M:%S")),
  tim = as.numeric(strptime(as.character(z$Time), "%H:%M:%S")))

# subset by time range
subset(z, s_t < tim & tim < s_t + dur)

輸出：

  ID StartTime Duration Outcome OBS     Time        s_t dur        tim
1  1  10:12:06 00:00:10  Normal   1 10:12:10 1321665126  10 1321665130
2  1  10:12:06 00:00:10  Normal   2 10:12:15 1321665126  10 1321665135
7  2  10:12:30 00:00:30   Weird   3 10:12:45 1321665150  30 1321665165

OBS＃2看起來在范圍內。 是否有意義？

Answer 3

將兩個data.frames與merge()在一起。 然后使用條件time >= startTime & time <= startTime + Duration或任何對你有意義的規則， subset()結果data.frame。