如何计算 R 中变量行之间的时间差？

Question

我希望根据开始工作时间和结束工作时间来计算不同组的时间差异。我如何告诉 R 根据分组中的标签计算两行之间的差异时间？下面是一个示例数据集：

library(data.table)


latemail <- function(N, st="2012/01/01", et="2012/02/01") {
  st <- as.POSIXct(as.Date(st))
  et <- as.POSIXct(as.Date(et))
  dt <- as.numeric(difftime(et,st,unit="sec"))
  ev <- sort(runif(N, 0, dt))
  rt <- st + ev

}

#create our data frame
set.seed(42)
dt = latemail(20)
work = setDT(as.data.frame(dt))
work[,worker:= stringi::stri_rand_strings(2, 5)]  
work[,dt:= as.POSIXct(as.character(work$dt), tz = "GMT")]
work[,status:=NA]

#order
setorder(work, worker, dt)

#add work times
work$status[1] = "start"
work$status[5] = "end"
work$status[6] = "start"
work$status[10] = "end"
work$status[11] = "start"
work$status[15] = "end"
work$status[16] = "start"
work$status[20] = "end"

table 现在看起来像这样：

                    dt worker status
 1: 2012-01-04 23:11:31  VOuRp  start
 2: 2012-01-09 15:53:16  VOuRp     NA
 3: 2012-01-15 02:56:45  VOuRp     NA
 4: 2012-01-16 21:12:26  VOuRp     NA
 5: 2012-01-20 16:27:31  VOuRp    end
 6: 2012-01-22 15:34:05  VOuRp  start
 7: 2012-01-23 15:01:18  VOuRp     NA
 8: 2012-01-29 03:36:56  VOuRp     NA
 9: 2012-01-29 20:11:02  VOuRp     NA
10: 2012-01-31 02:48:01  VOuRp    end
11: 2012-01-04 10:24:38  u8zw5  start
12: 2012-01-08 17:02:20  u8zw5     NA
13: 2012-01-14 23:33:35  u8zw5     NA
14: 2012-01-15 12:23:52  u8zw5     NA
15: 2012-01-18 03:53:15  u8zw5    end
16: 2012-01-21 03:48:08  u8zw5  start
17: 2012-01-23 02:01:10  u8zw5     NA
18: 2012-01-26 12:51:10  u8zw5     NA
19: 2012-01-29 18:23:46  u8zw5     NA
20: 2012-01-29 22:22:14  u8zw5    end

我要找的答案：最终我想获得底部值（标记为 worker 1 和 worker 2 只是因为不确定如何为 stringi 执行 set.seed() 的并行）。以下代码为我提供了工人 1 的第一行，但我希望每个工人的每个轮班：

difftime(as.POSIXct("2012-01-20 16:27:31"), as.POSIXct("2012-01-04 23:11:31"), units = "hours")
    Work time   time difference in hours  
    worker 1         377.2667 hours
    worker 2         . . . .

在这个例子中，我在工作人员之间有一组偶数值，但假设我在不同工作人员之间有可变行，那会是什么样子？我假设某种 difftime 公式？在处理大数据时，我更喜欢数据 table 解决方案。

Answer 1

这是一个使用 data.table 的解决方案：

 work[status %in% c("start", "end"), 
        time.diff := ifelse(status == "start", 
        difftime(shift(dt, fill = NA, type = "lead"), dt, units = "hours"), NA), 
        by = worker][status == "start", sum(time.diff), worker]

我们得到：

 worker       V1
1:  VOuRp 580.4989
2:  u8zw5 540.0453
>

其中 V1 是每个工作人员从开始到结束间隔的所有小时数的总和。

为了更好的理解，我们一步一步来解释吧。

第 1 步。 Select 所有具有 start 或 end 状态的行：

work.se <- work[status %in% c("start", "end")]

                    dt worker status
1: 2012-01-04 23:11:31  VOuRp  start
2: 2012-01-20 16:27:31  VOuRp    end
3: 2012-01-22 15:34:05  VOuRp  start
4: 2012-01-31 02:48:01  VOuRp    end
5: 2012-01-04 10:24:38  u8zw5  start
6: 2012-01-18 03:53:15  u8zw5    end
7: 2012-01-21 03:48:08  u8zw5  start
8: 2012-01-29 22:22:14  u8zw5    end
>

第 2 步: 创建一个函数来计算当前行和下一行之间的时间差。该函数将在 data.table 对象内部调用。我们使用同一个包中的 shift 函数：

getDiff <- function(x) {
    difftime(shift(x, fill = NA, type = "lead"), x, units = "hours")
}

getDiff 计算下一条记录（组内）与当前记录的时间差。它为最后一行分配 NA 因为没有下一个值。然后我们从计算中排除 NA 个值。

第 3 步：在 data.table 语法中调用它：

work.result <- work.se[, time.diff := ifelse(status == "start", 
    getDiff(dt), NA), by = worker]

我们得到这个：

                    dt worker status time.diff
1: 2012-01-04 23:11:31  VOuRp  start  377.2667
2: 2012-01-20 16:27:31  VOuRp    end        NA
3: 2012-01-22 15:34:05  VOuRp  start  203.2322
4: 2012-01-31 02:48:01  VOuRp    end        NA
5: 2012-01-04 10:24:38  u8zw5  start  329.4769
6: 2012-01-18 03:53:15  u8zw5    end        NA
7: 2012-01-21 03:48:08  u8zw5  start  210.5683
8: 2012-01-29 22:22:14  u8zw5    end        NA

第 4 步：对每个工人的 time.diff 列的非 NA 值求和：

> work.result[status == "start", sum(time.diff), worker]
   worker       V1
1:  VOuRp 580.4989
2:  u8zw5 540.0453
>

data.table 对象可以通过 [] appended 连接起来，因此最后一部分可以合并成一个句子：

work.se[, time.diff := ifelse(status == "start", 
    getDiff(dt), NA), by = worker][status == "start", sum(time.diff), worker]

FINAL：将所有内容组合成一个句子：

work[status %in% c("start", "end"), 
    time.diff := ifelse(status == "start", 
    difftime(shift(dt, fill = NA, type = "lead"), dt, units = "hours"), NA), 
    by = worker][status == "start", sum(time.diff), worker]

检查此 link 以获得 data.table 基本语法。我希望这会有所帮助，如果它是您想要的，请告诉我们

如何计算 R 中变量行之间的时间差？

How to calculate difference in time between variable rows in R?

r

data.table

difftime