r - 根据 R 中其他列的变化增加列记录

Question

当同一 session 的第一个 timestamp 与后续 timestamp 记录之间的差异更大时，我想将 1 添加到 session 列超过 10 个单位。

换句话说:
如果同一 session 中 timestamp 列中的间隔大于 10，则为特定 ID 的其余 session 加 1。所以我们不应该有相同的 session 其记录中的差距超过 10。
让我们说:

df<-read.table(text="
ID      timestamp    session
1       10             1
1       12             1
1       15             1
1       21             1
1       25             1
1       27             2
1       29             2
2       11             1
2       22             2
2       27             2
2       32             2
2       42             2
2       43             3",header=T,stringsAsFactors = F)

在上面的示例中，对于 ID==1，第 4 行(timestamp==21)中第一个记录(timestamp==10)的 session 间隔大于 10，因此我们添加1 至其余 session 。每当session号发生变化时，同一sassion中timestamp第一条记录的差值应小于10，否则加入session。

result:  

ID      timestamp    session
1      *10             1
1       12             1
1       15             1
1      *21             2     <-- because 21-10 >= 10 it add 1 to the rest of sessions in this ID 
1       25             2
1       27             3
1       29             3
2       11             1
2      *22             2
2       27             2
2      *32             3     <-- because 32-22>= 10 it add 1 to the rest of session
2      *42             4     <-- because 42-32>=10
2       43             5

我如何在 R 中做到这一点？

Answer 1

也许自定义函数可能有助于计算累积总和并在达到阈值后重置。在这种情况下，如果您为函数提供 session 数据，它将提供一个结果，其中包括 session 的累积“偏移量”，但仅在 session 数未增加的行中。这解决了 ID 2 timestamp 22 的情况，其中差异 > 10，但 session 编号从 1 增加到 2。

library(tidyverse)

threshold <- 10

cumsum_with_reset <- function(x, session, threshold) {
  cumsum <- 0
  group <- 0
  result <- numeric()
  for (i in seq_along(x)) {
    cumsum <- cumsum + x[i]
    if (cumsum >= threshold) {
      if (session[i] == session[i-1]) {
        group <- group + 1
      }
      cumsum <- 0
    }
    result = c(result, group)
  }
  return (result)
}

df %>%
  group_by(ID) %>%
  mutate(diff = c(0, diff(timestamp)),
         cumdiff = cumsum_with_reset(diff, session, threshold),
         new_session = cumdiff + session)

函数改编自this solution .

输出

      ID timestamp session  diff cumdiff new_session
   <int>     <int>   <int> <dbl>   <dbl>       <dbl>
 1     1        10       1     0       0           1
 2     1        12       1     2       0           1
 3     1        15       1     3       0           1
 4     1        21       1     6       1           2
 5     1        25       1     4       1           2
 6     1        27       2     2       1           3
 7     1        29       2     2       1           3
 8     2        11       1     0       0           1
 9     2        22       2    11       0           2
10     2        27       2     5       0           2
11     2        32       2     5       1           3
12     2        42       2    10       2           4
13     2        43       3     1       2           5