r - 如何选择存在所有序列的所有 id 行？

Question

我有一个如下所示的数据表:

DT1 <- data.table(
  id=c(1,1,1,2,2,2,1,1),
  sensor_id=c(1,2,3,1,2,3,2,3),
  time=c("2017-01-01 00:00:05","2017-01-01 00:06:35","2017-01-01 00:23:44","2017-01-02 22:00:20","2017-01-02 22:01:09","2017-01-02 22:28:02","2017-01-03 22:23:01","2017-01-03 22:50:52")
  )

由此，我想选择所有 customer_id 行，在这种情况下，这些行具有传感器 ID 的所有序列 (1,2,3)。

所以我想像下面这样标记这些:

DT1 <- data.table(
  id=c(1,1,1,2,2,2,1,1),
  sensor_id=c(1,2,3,1,2,3,2,3),
  time=c("2017-01-01 00:00:05","2017-01-01 00:06:35","2017-01-01 00:23:44","2017-01-02 22:00:20","2017-01-02 22:01:09","2017-01-02 22:28:02","2017-01-03 22:23:01","2017-01-03 22:50:52"),
  group=c(1,1,1,2,2,2,3,3),
  seq_boolean=c(1,1,1,1,1,1,0,0)
)

我可以确定该行是否具有所有序列。一个 id 可以出现多次，也可以不包含所有序列。

为此，我首先尝试了以下分组

DT1[,group:=rleid(id),by=list(id,rleid(sensor_id))]

但这只是将所有组合为一个。我不确定我在哪里做错了。感谢您的帮助。

编辑我也可以有如下格式的数据表。

DT1 <- data.table(
       id=c(1,2,1,2,1,2,1,1),
       sensor_id=c(1,1,2,2,3,3,2,3),
       time=c("2017-01-01 00:00:05","2017-01-01 00:06:35","2017-01-01 00:23:44","2017-01-02 00:00:20","2017-01-02 00:35:09","2017-01-02 00:28:02","2017-01-03 00:45:01","2017-01-03 00:50:52")
   )

这里的组由 sensor_id 定义。sensor_id 1 是 session 的开始，sensor_id 2 是中间 session ，sensor_id 3 是 session 的结束。一个 ID 可以有多个 session ，一些传感器可能无法捕获 ID。所以我的目的是识别所有 3 个传感器 ID 捕获的所有 session ，并查看捕获了多少。

Answer 1

我们可以检查每个组是否都存在所有 uniq_sensor。

uniq_sensor <- unique(DT1$sensor_id)
DT1[, seq_boolean := +(all(uniq_sensor %in% sensor_id)), rleid(id)]
DT1

#   id sensor_id                time seq_boolean
#1:  1         1 2017-01-01 00:00:05           1
#2:  1         2 2017-01-01 00:06:35           1
#3:  1         3 2017-01-01 00:23:44           1
#4:  2         1 2017-01-02 22:00:20           1
#5:  2         2 2017-01-02 22:01:09           1
#6:  2         3 2017-01-02 22:28:02           1
#7:  1         2 2017-01-03 22:23:01           0
#8:  1         3 2017-01-03 22:50:52           0

我们还可以计算每组唯一传感器的长度:

DT1[, seq_boolean := +(uniqueN(sensor_id) == length(uniq_sensor)), rleid(id)]

---

编辑

对于我们想要确保 sensor_id 以完全相同的顺序出现的附加条件，我们可以这样做:

library(dplyr)

DT1 %>%
  group_by(id) %>%
  group_by(grp = cumsum(c(TRUE, diff(sensor_id) <= 0)), .add = TRUE) %>%
  #Use add = TRUE for old dplyr < 1.0.0
  mutate(seq_boolean = +(all(uniq_sensor %in% sensor_id)))