#r #dplyr #lubridate #bizdays
Вопрос:
У меня есть набор данных, как показано ниже:
---- ------- ---------------------
| ID | SUBID | date |
---- ------- ---------------------
| A | 1 | 2021-01-01 12:00:00 |
| A | 1 | 2021-01-02 01:00:00 |
| A | 1 | 2021-01-02 02:00:00 |
| A | 1 | 2021-01-03 03:00:00 |
| A | 2 | 2021-01-05 16:00:00 |
| A | 2 | 2021-01-06 13:00:00 |
| A | 2 | 2021-01-07 06:00:00 |
| A | 2 | 2021-01-08 08:00:00 |
| A | 2 | 2021-01-08 10:00:00 |
| A | 2 | 2021-01-08 11:00:00 |
| A | 3 | 2021-01-09 09:00:00 |
| A | 3 | 2021-01-10 19:00:00 |
| A | 3 | 2021-01-11 20:00:00 |
| A | 3 | 2021-01-12 22:00:00 |
| B | 1 | 2021-02-01 23:00:00 |
| B | 1 | 2021-02-02 15:00:00 |
| B | 1 | 2021-02-03 06:00:00 |
| B | 1 | 2021-02-04 08:00:00 |
| B | 2 | 2021-02-05 18:00:00 |
| B | 2 | 2021-02-05 19:00:00 |
| B | 2 | 2021-02-06 22:00:00 |
| B | 2 | 2021-02-06 23:00:00 |
| B | 2 | 2021-02-07 04:00:00 |
| B | 2 | 2021-02-08 02:00:00 |
| B | 3 | 2021-02-09 01:00:00 |
| B | 3 | 2021-02-10 03:00:00 |
| B | 3 | 2021-02-11 13:00:00 |
| B | 3 | 2021-02-12 14:00:00 |
---- ------- ---------------------
Я хочу иметь возможность получить разницу во времени между каждой группой идентификаторов и идентификаторов в часах, предпочтительно с точки зрения рабочих часов, где каждая дата, указываемая в выходные или праздничные дни федерального значения, может быть перенесена на ближайший будний день (предшествующий или последующий) со временем 23:59:59, как указано ниже.:
---- ------- --------------------- ------------------------------------------------------------------
| ID | SUBID | date | timediff (hours) with preceding date for each group (ID, SUBID) |
---- ------- --------------------- ------------------------------------------------------------------
| A | 1 | 2021-01-01 12:00:00 | 0 |
| A | 1 | 2021-01-02 01:00:00 | 13 |
| A | 1 | 2021-01-02 02:00:00 | 1 |
| A | 1 | 2021-01-03 03:00:00 | 1 |
| A | 2 | 2021-01-05 16:00:00 | 0 |
| A | 2 | 2021-01-06 13:00:00 | 21 |
| A | 2 | 2021-01-07 06:00:00 | 17 |
| A | 2 | 2021-01-08 08:00:00 | 2 |
| A | 2 | 2021-01-08 10:00:00 | 2 |
| A | 2 | 2021-01-08 11:00:00 | 1 |
| A | 3 | 2021-01-09 09:00:00 | 0 |
| A | 3 | 2021-01-10 19:00:00 | 36 |
| A | 3 | 2021-01-11 20:00:00 | 1 |
| A | 3 | 2021-01-12 22:00:00 | 1 |
| B | 1 | 2021-02-01 23:00:00 | 0 |
| B | 1 | 2021-02-02 15:00:00 | 16 |
| B | 1 | 2021-02-03 06:00:00 | 15 |
| B | 1 | 2021-02-04 08:00:00 | 26 |
| B | 2 | 2021-02-05 18:00:00 | 0 |
| B | 2 | 2021-02-05 19:00:00 | 1 |
| B | 2 | 2021-02-06 22:00:00 | 27 |
| B | 2 | 2021-02-06 23:00:00 | 1 |
| B | 2 | 2021-02-07 04:00:00 | 5 |
| B | 2 | 2021-02-08 02:00:00 | 22 |
| B | 3 | 2021-02-09 01:00:00 | 0 |
| B | 3 | 2021-02-10 03:00:00 | 26 |
| B | 3 | 2021-02-11 13:00:00 | 11 |
| B | 3 | 2021-02-12 14:00:00 | 1 |
---- ------- --------------------- ------------------------------------------------------------------
и, наконец, я хочу рассчитать среднее время, которое будет представлять собой сумму различий во времени для каждой группы (ID, SUBID), разделенную на общее количество для каждой группы, как указано ниже:
---- ------- ------------------------------------------------------------
| ID | SUBID | Average time (count per group/ total time diff of group ) |
---- ------- ------------------------------------------------------------
| A | 1 | 15/4 |
| A | 2 | 43/6 |
| A | 3 | 38/4 |
| B | 1 | 57/4 |
| B | 2 | 56/6 |
| B | 3 | 38/4 |
---- ------- ------------------------------------------------------------
Я довольно новичок в R, и я наткнулся на lubridate, чтобы помочь мне отформатировать даты, и я смог получить разницу во времени, используя приведенный ниже код
df%>%
group_by(ID, SUBID) %>%
mutate(time_diff = difftime(date, lag(date), unit = 'min'))
Однако у меня возникли проблемы с получением разницы только во времени рабочих дней, а также со средним временем в соответствии с последней таблицей
Ответ №1:
Добро пожаловать на SO! Использование dplyr и lubridate :
Используемые данные:
library(tidyverse)
library(lubridate)
df <- data.frame(ID = c("A","A","A","A"),
SUBID = c(1,1,2,2),
Date = lubridate::as_datetime(c("2021-01-01 12:00:00","2021-01-02 1:00:00","2021-01-01 2:00:00","2021-01-01 13:00:00")))
ID SUBID Date
1 A 1 2021-01-01 12:00:00
2 A 1 2021-01-02 01:00:00
3 A 2 2021-01-01 02:00:00
4 A 2 2021-01-01 13:00:00
Код:
df %>%
group_by(ID, SUBID) %>%
mutate(diff = Date - lag(Date)) %>%
mutate(diff = ifelse(is.na(diff), 0, diff)) %>%
summarise(Average = sum(diff)/n())
Выход:
ID SUBID Average
<chr> <dbl> <dbl>
1 A 1 6.5
2 A 2 5.5
Изменить: Как обрабатывать выходные недели
Для выходных более простым решением является перенос дня на следующий понедельник:
df %>%
mutate(week_day = wday(Date,label = TRUE, abbr = FALSE)) %>%
mutate(Date = ifelse(week_day == "samedi", Date days(2),
ifelse(week_day == "dimanche", Date days(1), Date))) %>%
mutate(Date = as_datetime(Date))
Это создаст столбец week_day с именем дня. Если день является «самеди» (суббота) или «диманш» (воскресенье), он добавляет 2 или 1 день к Дате, поэтому он становится понедельником. Затем вам просто нужно изменить порядок дат ( df %>% arrange(ID, SUBID, Date)) и повторить первый код.
Поскольку мой местный язык-французский, вам придется изменить samedi и dimanche на saturday и sunday
Для праздников вы можете применить ту же систему, создав переменную временного интервала, которая представляет праздники, проверьте для каждой даты, находится ли она в этом интервале, и если да, измените дату на последний день этого интервала.
Комментарии:
1. Спасибо, не могли бы вы сообщить мне, как перенести даты, приходящиеся на выходные или праздничные дни, на ближайший будний день перед расчетом ?
2. Извините, я не обратил внимания на эту часть вашей просьбы. Я подумаю над этим