计算总经过时间

问题描述

我有以下数据：

library(dplyr,warn.conflicts = FALSE)

df <- tibble(
  x = c(30,60,90,30,90),phase = c(rep(c("phase 1","phase 2"),each = 3))
)

df
#> # A tibble: 6 x 2
#>       x phase  
#>   <dbl> <chr>  
#> 1    30 phase 1
#> 2    60 phase 1
#> 3    90 phase 1
#> 4    30 phase 2
#> 5    60 phase 2
#> 6    90 phase 2

^{由reprex package（v0.3.0）于2020-08-11创建}

其中x是每个phase中经过的时间（以秒为单位）。由于phase是连续发生的事情，因此我对计算总经过时间很感兴趣。

所需的输出：

#> # A tibble: 6 x 3
#>       x phase   elapsed_time
#>   <dbl> <chr>          <dbl>
#> 1    30 phase 1           30
#> 2    60 phase 1           60
#> 3    90 phase 1           90
#> 4    30 phase 2          120
#> 5    60 phase 2          150
#> 6    90 phase 2          180

有什么想法吗？请注意，我的实际示例具有更多的阶段。

解决方法

我相信以下帖子为您提供了答案：

How to add a cumulative column to an R dataframe using dplyr?

它显示了如何使用group_by和mutate创建累积列。看来您希望两个阶段的经过时间相加，因此只需在代码中不包括group_by调用即可。

,

这是一个通过dplyr的想法。首先，我们需要按phase分组，并获取每个时间差。然后，我们ungroup()并将cumsum()总计，即

library(dplyr)

df %>% 
 group_by(phase) %>% 
 mutate(diffs = x - lag(x,default = 0)) %>% 
 ungroup() %>% 
 mutate(res = cumsum(diffs)) %>% 
 select(-diffs)

# A tibble: 6 x 3
#      x phase     res
#  <dbl> <chr>   <dbl>
#1    30 phase 1    30
#2    60 phase 1    60
#3    90 phase 1    90
#4    30 phase 2   120
#5    60 phase 2   150
#6    90 phase 2   180

,

这是另一个dplyr解决方案。它找到每个阶段的开始，并将其添加到x

library(tidyverse)
df <- tibble(
  x = c(30,60,90,30,90),phase = c(rep(c("phase 1","phase 2"),each = 3))
)

df %>% group_by(phase) %>% 
  nest() %>% 
  mutate(start = map_dbl(data,max)) %>% 
  ungroup() %>% 
  mutate(start = lag(start,default = 0)) %>% 
  unnest(data) %>% 
  mutate(elapsed_time = start + x) %>% 
  select(-start)
#> # A tibble: 6 x 3
#>   phase       x elapsed_time
#>   <chr>   <dbl>        <dbl>
#> 1 phase 1    30           30
#> 2 phase 1    60           60
#> 3 phase 1    90           90
#> 4 phase 2    30          120
#> 5 phase 2    60          150
#> 6 phase 2    90          180

^{由reprex package（v0.3.0）于2020-08-11创建}