r - 同一表内重叠日期时间的数量(R)

Question

我有一个大约 50 000 行的表格，有四列。

ID     Arrival             Departure             Gender

1   10/04/2015 23:14    11/04/2015 00:21           F
1   11/04/2015 07:59    11/04/2015 08:08           F
3   10/04/2017 21:53    30/03/2017 23:37           M
3   31/03/2017 07:09    31/03/2017 07:57           M
3   01/04/2017 01:32    01/04/2017 01:35           M
3   01/04/2017 13:09    01/04/2017 14:23           M
6   10/04/2015 21:31    10/04/2015 23:17           F
6   10/04/2015 23:48    11/04/2015 00:05           F
6   01/04/2016 21:45    01/04/2016 22:48           F
6   02/04/2016 04:54    02/04/2016 07:38           F
6   04/04/2016 18:41    04/04/2016 22:48           F
10  10/04/2015 22:39    11/04/2015 00:42           M
10  13/04/2015 02:57    13/04/2015 03:07           M
10  31/03/2016 22:29    01/04/2016 08:39           M
10  01/04/2016 18:49    01/04/2016 19:44           M
10  01/04/2016 22:28    02/04/2016 00:31           M
10  05/04/2017 09:27    05/04/2017 09:28           M 
10  06/04/2017 15:12    06/04/2017 15:43           M

这是表格的一个非常小的表示。我想知道的是，在每个条目的同时，还有多少其他人在场，然后按性别将他们分开。因此，例如，在 ID 1 的人第一次出现时，ID 6 的人在场，ID 10 的人在同一时间间隔内出现了两次。这意味着同时发生了另外 2 个重叠。这也意味着 ID 为 1 的人与 1 男 1 女重叠。

所以它的结果应该是这样的:

ID           Arrival            Departure         Males encountered        Females encountered
1       10/04/2015 23:14    11/04/2015 00:21             1                          1

我怎么能计算出这个？我曾尝试使用 foverlaps 并设法用 Excel 解决了这个问题，但我想用 R 来做。

Answer 1

这是一个 data.table使用 foverlaps 的解决方案.

首先，请注意您的数据中存在错误:

ID           Arrival           Departure      Gender
3   10/04/2017 21:53    30/03/2017 23:37           M

用户到货快一个月 在他真正离开之后 .我需要删除这些数据才能获得 foverlaps运行。

library(data.table)

dt <- data.table(df)
dt <- dt[Departure > Arrival, ]  # filter wrong cases

setkey(dt, "Arrival", "Departure")  # prepare for foverlaps
dt2 <- copy(dt)  # use a different dt, inherits the key

运行 foverlaps 然后

过滤(只留下)第二人到达比ID和相同用户案例之前的情况。

添加一个变量，我们计算男性同时 guest 和

一个变量，我们计算女性同时入住的客人，所有客人都按 ID 和到达时间分组

.

simultaneous <- foverlaps(dt, dt2)[i.Arrival <= Arrival & ID != i.ID,
                                       .(malesEncountered = sum(i.Gender == "M"),
                                         femalesEncountered = sum(i.Gender == "F")), 
                                       by = .(ID, Arrival)]

将上一个命令的结果与我们在 ID 和到达时的原始表相结合

result <- simultaneous[dt, on = .(ID, Arrival)]

<编辑>:将 malesEncountered 中的 NA 转换为零和 femalesEncountered :

result[is.na(malesEncountered), malesEncountered := 0][
                 is.na(femalesEncountered), femalesEncountered := o]

将列顺序设置为更好的东西

setcolorder(result, c(1, 2, 5, 6, 3, 4))[]