如何在 R 中的数据框中查找开始和结束日期以及记录的每一列的总天数？

Question

我想提供一些关于我在 R 中的数据框的摘要信息。我想知道 Start Date/Time、End Date/Time 和 Total Days values were recorded。这是数据框的示例

df = structure(list(Date_Time_GMT_3 = structure(c(1594233000, 1594533900, 1597235700,
                                                  1595234800, 1594336600, 1595237500), 
                                                class = c("POSIXct",  "POSIXt"), tzone = "EST"),
                    `20874285_33MR` = c(14.996, 15.091, 15.187, 15.282, 15.378, 15.378), 
                    `20874290_103MR` = c(NA_real_,  NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), 
                    `20874287_102MR` = c(NA_real_, 15.091, 15.187, 15.282, NA_real_, NA_real_), 
                    `20874299_54MR` = c(NA_real_, 15.378, 15.378, NA_real_, NA_real_, NA_real_), 
                    `20874316_AIR_90MR` = c(NA_real_,  NA_real_, NA_real_,15.091, 15.187, 15.282)), 
               row.names = c(NA, 6L), class = "data.frame")

我有这段代码告诉我每列有值的总天数（不包括 N/A）

library(dplyr)

df %>%
  group_by(date = as.Date(Date_Time_GMT_3)) %>%
  summarise(across(everything(), ~any(!is.na(.)))) %>%
  summarise(across(-date, sum))

并且我有这段代码可以为每一列找到 Start 和 End date/times（其中 NA 无关紧要，因此它是第一条记录的开始日期到最后一条记录的结束日期）。

df_MetadataStart = df %>%
  pivot_longer(-c(Date_Time_GMT_3)) %>%
  select(name, Date_Time_GMT_3) %>%
  group_by(name, col = rep(c('StartTime', 'EndTime'), length.out = n())) %>%
  mutate(id = row_number()) %>%
  tidyr::pivot_wider(names_from = col, values_from = Date_Time_GMT_3) %>%
  ungroup() %>%
  select(-id)

但是这些代码有两个问题。首先，我为 Start/End Dates/Times 编写的代码最终有 1 列的多个输入。其次，使用这两个单独的代码，我没有得到我想要的结果。最后，我希望最终的数据框也像这样

Name       Start Date   End Date Total Days 
<chr>         <Pos>      <Pos>     <int>

Answer 1

使用辅助函数

myrleid <- function(x) {
  r <- rle(x)
  rep(seq_along(r$lengths), times = r$lengths)
}

我们可以按 name 分组，然后按非 NA 值的运行来产生这个：

library(dplyr)
library(tidyr) # pivot_longer
df %>%
  pivot_longer(-Date_Time_GMT_3) %>%
  arrange(Date_Time_GMT_3) %>%
  group_by(name) %>%
  mutate(grp = myrleid(is.na(value))) %>%
  group_by(name, grp) %>%
  summarize(
    Start = min(Date_Time_GMT_3),
    End = max(Date_Time_GMT_3),
    TotalDays = as.numeric(max(Date_Time_GMT_3) - min(Date_Time_GMT_3), units = "days"),
    value1 = value[1]) %>%
  ungroup() %>%
  filter(!is.na(value1)) %>%
  select(-grp, -value1)
# # A tibble: 7 x 4
#   name              Start               End                 TotalDays
#   <chr>             <dttm>              <dttm>                  <dbl>
# 1 20874285_33MR     2020-07-08 13:30:00 2020-08-12 07:35:00   34.8   
# 2 20874287_102MR    2020-07-12 01:05:00 2020-07-20 03:46:40    8.11  
# 3 20874287_102MR    2020-08-12 07:35:00 2020-08-12 07:35:00    0     
# 4 20874299_54MR     2020-07-12 01:05:00 2020-07-12 01:05:00    0     
# 5 20874299_54MR     2020-08-12 07:35:00 2020-08-12 07:35:00    0     
# 6 20874316_AIR_90MR 2020-07-09 18:16:40 2020-07-09 18:16:40    0     
# 7 20874316_AIR_90MR 2020-07-20 03:46:40 2020-07-20 04:31:40    0.0312

仅供参考：102MR 和其他行的两行是由时间戳乱序引起的：我推断它们应该在按非 NA 集群分组之前排序，并且按时间戳排列会在 name 组中产生两个集群。

如何在 R 中的数据框中查找开始和结束日期以及记录的每一列的总天数？

How to find start and end dates, and total days recorded for each column in a dataframe in R?

datetime

r

summary