事件随时间序列的滚动计数
Rolling Count of Events Over Time Series
我正在尝试计算时间范围内按组的滚动 count/sum 发生次数。
我有一个数据框，其中包含一些示例数据，如下所示：
dates = as.Date(c("2011-10-09",
"2011-10-15",
"2011-10-16",
"2011-10-18",
"2011-10-21",
"2011-10-22",
"2011-10-24"))
group1=c("A",
"C",
"A",
"A",
"L",
"F",
"A")
group2=c("D",
"A",
"B",
"H",
"A",
"A",
"E")
df1 <- data.frame(dates, group1, group2)
我为每个唯一的 'group' 迭代单独的数据帧，因此例如这就是 "A" 的组的外观（它们出现在每一行中，无论是在 group1 还是 group2 中）。
我想计算 "A"（然后是每个组）时间范围内事件发生的次数 - 事件的 'date'（即当前行日期）和前 4 天。我想向前滚动，所以例如第 1 行的计数为 1，第 2 行的计数也为 1（过去 4 天除当前日期外没有任何事件），第 3 行有 2，行4 将有 3 等等
对于每一行，我想以一列结束，基本上说，在这个事件日期，在当前日期（如日期列中所示）发生了 X 件事件，并且在过去的 4 天里。
对于此示例，您可能可以使用 sapply 来分析每一行，计算当天或最多 4 天前的条目数，如下所示：
df1$lastFour <-
sapply(df1$dates, function(x){
sum(df1$dates <= x & df1$dates >= x - 4)
})
df1 个结果：
dates group1 group2 lastFour
1 2011-10-09 A D 1
2 2011-10-15 C A 1
3 2011-10-16 A B 2
4 2011-10-18 A H 3
5 2011-10-21 L A 2
6 2011-10-22 F A 3
7 2011-10-24 A E 3
如果正如你的问题所暗示的那样，你的数据来自一个更大的集合并且你想对每个组进行分析（从概念上讲，我认为问题是：有多少事件有这个组 过去四天？仅在有该组活动的日子询问），您可以按照以下步骤操作。
首先，这里有一些更大的样本数据，其中的组标记为字母表的前 10 个字母：
biggerData <-
data.frame(
dates = sample(seq(as.Date("2011-10-01")
, as.Date("2011-10-31")
, 1)
, 100, TRUE)
, group1 = sample(LETTERS[1:10], 100, TRUE)
, group2 = sample(LETTERS[1:10], 100, TRUE)
)
接下来，我提取数据中的所有组（在这里，我知道它们，但对于您的真实数据，您可能已经或可能没有该组列表）
groupsInData <-
sort(unique(c(as.character(biggerData$group1)
, as.character(biggerData$group2))))
然后，我循环遍历该组名称向量，并将该组的每个事件提取为两个组之一，添加与上面相同的列，并将单独的 data.frames 保存在列表中（并命名它们以便于 access/track 它们）。
sepGroupCounts <- lapply(groupsInData, function(thisGroup){
dfTemp <- biggerData[biggerData$group1 == thisGroup |
biggerData$group2 == thisGroup, ]
dfTemp$lastFour <-
sapply(dfTemp$dates, function(x){
sum(dfTemp$dates <= x & dfTemp$dates >= x - 4)
})
return(dfTemp)
})
names(sepGroupCounts) <- groupsInData
returns a data.frame 就像上面对数据中的每个组一样。
而且，我无法帮助自己，所以这里还有一个 dplyr 和 tidyr 的解决方案。它与上面基于列表的解决方案没有太大区别，除了它 returns 一切都在同一个 data.frame 中（这可能是也可能不是好事，特别是因为它每个都有两个条目这样的事件）。
首先，为简单起见，我定义了一个函数来进行日期检查。这也可以很容易地在上面使用。
myDateCheckFunction <- function(x){
sapply(x, function(thisX){
sum(x <= thisX & x >= thisX - 4 )
})
}
接下来，我将构建一组逻辑测试，以确定每个组是否存在。这些将用于为每个组生成列，在每个事件中为 present/absent 提供 TRUE/FALSE。
dotsConstruct <-
paste0("group1 == '", groupsInData, "' | "
, "group2 == '", groupsInData, "'") %>%
setNames(groupsInData)
最后，将其全部放在一个管道调用中。我没有描述，而是对每个步骤进行了评论。
withLastFour <-
# Start with data
biggerData %>%
# Add a col for each group using Standard Evaluation
mutate_(.dots = dotsConstruct) %>%
# convert to long form; one row per group per event
gather(GroupAnalyzed, Present, -dates, -group1, -group2) %>%
# Limit to only rows where the `GroupAnalyzed` is present
filter(Present) %>%
# Remove the `Present` column, as it is now all "TRUE"
select(-Present) %>%
# Group by the groups we are analyzing
group_by(GroupAnalyzed) %>%
# Add the column for count in the last four dates
# `group_by` limits this to just counts within that group
mutate(lastFour = myDateCheckFunction(dates)) %>%
# Sort by group and date for prettier checking
arrange(GroupAnalyzed, dates)
结果类似于上面的 list 输出，除了所有内容都在一个 data.frame 中，这样可以更轻松地分析某些特征。顶部看起来像这样：
dates group1 group2 GroupAnalyzed lastFour
<date> <fctr> <fctr> <chr> <int>
1 2011-10-01 B A A 1
2 2011-10-02 J A A 2
3 2011-10-05 C A A 5
4 2011-10-05 C A A 5
5 2011-10-05 G A A 5
6 2011-10-08 E A A 5
请注意，我的随机样本在 Oct-05 发生了多个事件，导致此处出现大量计数。
我认为，但我不确定，您正在寻找一种方法来计算每个日期（行）和前四天的每个事件类型（字母）的出现次数，无论前四天是否出现在你的数据中。如果这是正确的，那么这里有一种方法使用 dplyr（为了一般方便），tidyr（为了使宽数据更容易按日期计数）和 zoo（为了它的 rollapply函数）。
library(dplyr)
library(tidyr)
library(zoo)
df2 <- df1 %>%
# make the wide data long so we can group and then count by date
gather(key = group, value = event, group1:group2) %>%
# group by date
group_by(dates) %>%
# count occurrences of the event of interest on each date
summarise(sum.a = sum(event == "A")) %>%
# join that set of counts to a complete date sequence
left_join(data.frame(dates = seq(first(dates), last(dates), by = "day")), .) %>%
# use rollapply to get sums of those counts across rolling windows that
# are 4 days wide and right-aligned
mutate(sum.a = rollapply(sum.a, width = 4, sum, na.rm = TRUE,
partial = TRUE, align = "right")) %>%
# filter back to the original set of dates in df1
filter(dates %in% df1$dates)
结果：
> df2
dates sum.a
1 2011-10-09 1
2 2011-10-15 1
3 2011-10-16 2
4 2011-10-18 3
5 2011-10-21 2
6 2011-10-22 2
7 2011-10-24 3
我正在尝试计算时间范围内按组的滚动 count/sum 发生次数。
我有一个数据框，其中包含一些示例数据，如下所示：
dates = as.Date(c("2011-10-09",
"2011-10-15",
"2011-10-16",
"2011-10-18",
"2011-10-21",
"2011-10-22",
"2011-10-24"))
group1=c("A",
"C",
"A",
"A",
"L",
"F",
"A")
group2=c("D",
"A",
"B",
"H",
"A",
"A",
"E")
df1 <- data.frame(dates, group1, group2)
我为每个唯一的 'group' 迭代单独的数据帧，因此例如这就是 "A" 的组的外观（它们出现在每一行中，无论是在 group1 还是 group2 中）。
我想计算 "A"（然后是每个组）时间范围内事件发生的次数 - 事件的 'date'（即当前行日期）和前 4 天。我想向前滚动，所以例如第 1 行的计数为 1，第 2 行的计数也为 1（过去 4 天除当前日期外没有任何事件），第 3 行有 2，行4 将有 3 等等
对于每一行，我想以一列结束，基本上说，在这个事件日期，在当前日期（如日期列中所示）发生了 X 件事件，并且在过去的 4 天里。
对于此示例，您可能可以使用 sapply 来分析每一行，计算当天或最多 4 天前的条目数，如下所示：
df1$lastFour <-
sapply(df1$dates, function(x){
sum(df1$dates <= x & df1$dates >= x - 4)
})
df1 个结果：
dates group1 group2 lastFour
1 2011-10-09 A D 1
2 2011-10-15 C A 1
3 2011-10-16 A B 2
4 2011-10-18 A H 3
5 2011-10-21 L A 2
6 2011-10-22 F A 3
7 2011-10-24 A E 3
如果正如你的问题所暗示的那样，你的数据来自一个更大的集合并且你想对每个组进行分析（从概念上讲，我认为问题是：有多少事件有这个组 过去四天？仅在有该组活动的日子询问），您可以按照以下步骤操作。
首先，这里有一些更大的样本数据，其中的组标记为字母表的前 10 个字母：
biggerData <-
data.frame(
dates = sample(seq(as.Date("2011-10-01")
, as.Date("2011-10-31")
, 1)
, 100, TRUE)
, group1 = sample(LETTERS[1:10], 100, TRUE)
, group2 = sample(LETTERS[1:10], 100, TRUE)
)
接下来，我提取数据中的所有组（在这里，我知道它们，但对于您的真实数据，您可能已经或可能没有该组列表）
groupsInData <-
sort(unique(c(as.character(biggerData$group1)
, as.character(biggerData$group2))))
然后，我循环遍历该组名称向量，并将该组的每个事件提取为两个组之一，添加与上面相同的列，并将单独的 data.frames 保存在列表中（并命名它们以便于 access/track 它们）。
sepGroupCounts <- lapply(groupsInData, function(thisGroup){
dfTemp <- biggerData[biggerData$group1 == thisGroup |
biggerData$group2 == thisGroup, ]
dfTemp$lastFour <-
sapply(dfTemp$dates, function(x){
sum(dfTemp$dates <= x & dfTemp$dates >= x - 4)
})
return(dfTemp)
})
names(sepGroupCounts) <- groupsInData
returns a data.frame 就像上面对数据中的每个组一样。
而且，我无法帮助自己，所以这里还有一个 dplyr 和 tidyr 的解决方案。它与上面基于列表的解决方案没有太大区别，除了它 returns 一切都在同一个 data.frame 中（这可能是也可能不是好事，特别是因为它每个都有两个条目这样的事件）。
首先，为简单起见，我定义了一个函数来进行日期检查。这也可以很容易地在上面使用。
myDateCheckFunction <- function(x){
sapply(x, function(thisX){
sum(x <= thisX & x >= thisX - 4 )
})
}
接下来，我将构建一组逻辑测试，以确定每个组是否存在。这些将用于为每个组生成列，在每个事件中为 present/absent 提供 TRUE/FALSE。
dotsConstruct <-
paste0("group1 == '", groupsInData, "' | "
, "group2 == '", groupsInData, "'") %>%
setNames(groupsInData)
最后，将其全部放在一个管道调用中。我没有描述，而是对每个步骤进行了评论。
withLastFour <-
# Start with data
biggerData %>%
# Add a col for each group using Standard Evaluation
mutate_(.dots = dotsConstruct) %>%
# convert to long form; one row per group per event
gather(GroupAnalyzed, Present, -dates, -group1, -group2) %>%
# Limit to only rows where the `GroupAnalyzed` is present
filter(Present) %>%
# Remove the `Present` column, as it is now all "TRUE"
select(-Present) %>%
# Group by the groups we are analyzing
group_by(GroupAnalyzed) %>%
# Add the column for count in the last four dates
# `group_by` limits this to just counts within that group
mutate(lastFour = myDateCheckFunction(dates)) %>%
# Sort by group and date for prettier checking
arrange(GroupAnalyzed, dates)
结果类似于上面的 list 输出，除了所有内容都在一个 data.frame 中，这样可以更轻松地分析某些特征。顶部看起来像这样：
dates group1 group2 GroupAnalyzed lastFour
<date> <fctr> <fctr> <chr> <int>
1 2011-10-01 B A A 1
2 2011-10-02 J A A 2
3 2011-10-05 C A A 5
4 2011-10-05 C A A 5
5 2011-10-05 G A A 5
6 2011-10-08 E A A 5
请注意，我的随机样本在 Oct-05 发生了多个事件，导致此处出现大量计数。
我认为，但我不确定，您正在寻找一种方法来计算每个日期（行）和前四天的每个事件类型（字母）的出现次数，无论前四天是否出现在你的数据中。如果这是正确的，那么这里有一种方法使用 dplyr（为了一般方便），tidyr（为了使宽数据更容易按日期计数）和 zoo（为了它的 rollapply函数）。
library(dplyr)
library(tidyr)
library(zoo)
df2 <- df1 %>%
# make the wide data long so we can group and then count by date
gather(key = group, value = event, group1:group2) %>%
# group by date
group_by(dates) %>%
# count occurrences of the event of interest on each date
summarise(sum.a = sum(event == "A")) %>%
# join that set of counts to a complete date sequence
left_join(data.frame(dates = seq(first(dates), last(dates), by = "day")), .) %>%
# use rollapply to get sums of those counts across rolling windows that
# are 4 days wide and right-aligned
mutate(sum.a = rollapply(sum.a, width = 4, sum, na.rm = TRUE,
partial = TRUE, align = "right")) %>%
# filter back to the original set of dates in df1
filter(dates %in% df1$dates)
结果：
> df2
dates sum.a
1 2011-10-09 1
2 2011-10-15 1
3 2011-10-16 2
4 2011-10-18 3
5 2011-10-21 2
6 2011-10-22 2
7 2011-10-24 3