问题：

如何根据一列中的唯一值在另一列中建立索引

姚海

2023-03-14

我有一个数据集DF，其中包括USER和DATETIME两列（列索引不在我的数据中。它是输出应该是什么样子）。DF中的行显示了每一分钟的活动。我想要的是创建并填充一个名为“index”的列。这个索引是显示等于或小于4分钟的活动。换句话说，如果第i行的DATETIME与其后面的第i 1行之间的差异小于或等于4分钟，则它们在同一个索引中（即在同一个活动中）。但是，如果这个差异大于4分钟，下一行（i 1）进入下一个活动，依此类推。这里很重要。我不需要DATETIMES之间差异的代码。我这里有。我想要的是一个for循环，为每个唯一的USER索引活动。然后，对于下一个USER，它应该从1开始。这是我尝试过的。但是我需要一个for in for循环或唯一函数。输出应该看起来像“索引”列。感谢您的帮助。

suum <- 1
DF$index[1] <- 1 

for (k in unique(DF$USER))

   {

  for (i in 2:(nrow(DF)))
   {
   if(as.numeric(difftime(ymd_hms(DF$DATETIME[i]), ymd_hms(DF$DATETIME[i-1]), units = "mins") <= 4)) 
      { DF$index[i] <- suum }

 else if(as.numeric(difftime(ymd_hms(DF$DATETIME[i]), ymd_hms(DF$DATETIME[i-1]),units = "mins") > 4))
    {DF$index[i] <- suum + 1}
    suum <- as.numeric(DF$index[i])
    } 

      }

感谢@Paul van Oppen以R格式提供我的数据

data <- tibble(USER = c(rep(41, 10), rep(61, 6)),
DATETIME = as.POSIXct(c("2019/06/02 20:44:00", # 41
                      "2019/06/03 16:46:00", 
                      "2019/06/03 16:50:00", 
                      "2019/06/03 20:43:00", 
                      "2019/06/03 20:44:00", 
                      "2019/06/03 21:45:00", 
                      "2019/06/03 21:47:00", 
                      "2019/06/04 13:29:00", 
                      "2019/06/04 13:30:00",
                      "2019/06/04 13:37:00",
                      "2019/06/02 10:34:00", # 61
                      "2019/06/02 11:41:00",
                      "2019/06/02 11:59:00",
                      "2019/06/02 12:00:00",
                      "2019/06/02 14:12:00",
                      "2019/06/02 14:13:00"), 
                        "%Y/%m/%d %H:%M:%S", tz = "UTC")

                             )

共有2个答案

吕征

2023-03-14

这能行吗？

首先创建数据对象（建议为＜code＞DATETIME＜/code＞列使用适当的日期时间格式，如＜code＞POSIXct＜/code＞）：

library(dplyr)
library(tibble)

data <- tibble(
  USER = c(rep(41, 10), rep(61, 6)),
  DATETIME = as.POSIXct(c("2019/06/02 20:44:00", # 41
                          "2019/06/03 16:46:00", 
                          "2019/06/03 16:50:00", 
                          "2019/06/03 20:43:00", 
                          "2019/06/03 20:44:00", 
                          "2019/06/03 21:45:00", 
                          "2019/06/03 21:47:00", 
                          "2019/06/04 13:29:00", 
                          "2019/06/04 13:30:00",
                          "2019/06/04 13:37:00",
                          "2019/06/02 10:34:00", # 61
                          "2019/06/02 11:41:00",
                          "2019/06/02 11:59:00",
                          "2019/06/02 12:00:00",
                          "2019/06/02 14:12:00",
                          "2019/06/02 14:13:00"), 
                            "%Y/%m/%d %H:%M:%S", tz = "UTC")

)

然后，我使用 lag 函数计算与前一行的时间差，并使用 ifelse 创建一个标记列，突出显示那些以分钟为单位的时间差大于 4 的行。标记列的 cumsum 1 应该是您要查找的索引。按用户分组允许我们按组进行计算。最后，我们去掉中间列标记。

data <- data %>%
  group_by(USER) %>%
  mutate(diff_time = DATETIME - lag(DATETIME, 1)) %>%
  mutate(marker = ifelse(as.numeric(diff_time > 4), 1, 0)) %>%
  mutate(marker = replace_na(marker, 0)) %>%
  mutate(index = cumsum(marker) + 1) %>%
  select(USER, DATETIME, index)

> data
# A tibble: 16 x 3
# Groups:   USER [2]
    USER DATETIME            index
   <dbl> <dttm>              <dbl>
 1    41 2019-06-02 20:44:00     1
 2    41 2019-06-03 16:46:00     2
 3    41 2019-06-03 16:50:00     2
 4    41 2019-06-03 20:43:00     3
 5    41 2019-06-03 20:44:00     3
 6    41 2019-06-03 21:45:00     4
 7    41 2019-06-03 21:47:00     4
 8    41 2019-06-04 13:29:00     5
 9    41 2019-06-04 13:30:00     5
10    41 2019-06-04 13:37:00     6
11    61 2019-06-02 10:34:00     1
12    61 2019-06-02 11:41:00     2
13    61 2019-06-02 11:59:00     3
14    61 2019-06-02 12:00:00     3
15    61 2019-06-02 14:12:00     4
16    61 2019-06-02 14:13:00     4

孙玮

2023-03-14

使用 dplyr，无需循环：

library(dplyr)
data %>% 
  group_by(USER) %>%
  mutate(
    INDEX = cumsum(
      c(1, difftime((DATETIME), lag(ymd_hms(DATETIME), 1), units = "mins")[-1] > 4)
    )
  )
# # A tibble: 16 x 3
# # Groups:   USER [2]
#     USER DATETIME            INDEX
#    <dbl> <dttm>              <dbl>
#  1    41 2019-06-02 20:44:00     1
#  2    41 2019-06-03 16:46:00     2
#  3    41 2019-06-03 16:50:00     2
#  4    41 2019-06-03 20:43:00     3
#  5    41 2019-06-03 20:44:00     3
#  6    41 2019-06-03 21:45:00     4
#  7    41 2019-06-03 21:47:00     4
#  8    41 2019-06-04 13:29:00     5
#  9    41 2019-06-04 13:30:00     5
# 10    41 2019-06-04 13:37:00     6
# 11    61 2019-06-02 10:34:00     1
# 12    61 2019-06-02 11:41:00     2
# ...

(当然是未经测试的，因为我无法导入你的数据图片。如果您以有效的R语法共享数据，例如< code>dput(DF[1:20，])，我会很乐意进行测试和调试。)

类似资料：

根据另一列的值更新一列

问题内容：我有一个名为Vendor的表，在此表中有一个名为AccountTerms的列，该列仅显示一个值（即0、1、2、3），依此类推。我也有一个要使用（）的列，以反映该值的含义，例如：等等… 我需要的是一个脚本，它将查看AccountTerms中的值，然后将更新以显示上面显示的单词值。我该怎么做呢？问题答案：我将尝试以一种尽可能简单的方式来解释这一点，以便于理解：假设您有一个这样的表设
Pandas / Python：根据另一列中的值设置一列的值

问题内容：我需要基于Pandas数据框中的另一列的值来设置一列的值。这是逻辑：我无法做到这一点，我想要做的就是简单地创建一个具有新值的列（或更改现有列的值：任何一个都对我有用）。如果我尝试运行上面的代码，或者将其编写为函数并使用apply方法，则会得到以下信息：问题答案：一种方法是将索引与配合使用。例在没有示例数据框的情况下，我将在此处进行补充：假设您想创建一个新列，除wher
根据另一个数据集中的列的值在一个数据框中创建列

我有两个熊猫数据框步骤1：根据df1中唯一的“val”在df2中创建列，如下所示：步骤2：对于flag=1的行，AA_new将计算为var1（来自df2）*组“A”和val“AA”的df1的'cal1'值*组“A”和val“AA”的df1的'cal2'值，类似地，AB_new将计算为var1（来自df2）*组“A”和val“AB”的df1的'cal1'值*组“A”和val“AB”的df1的'c
用唯一索引为列表建立索引

问题内容：我有一个清单说。我想为每个唯一值分配一个特定的“索引”来获取。这是我的代码：事实证明这很慢。具有1M个元素和100K个唯一元素。我也尝试过用lambda和sort进行地图操作，这没有帮助。这样做的理想方法是什么？问题答案：由于执行线性搜索，然后对中的每个元素执行线性搜索，因此导致代码变慢。因此，对于每1M个项目，您要进行（最多）100K个比较。将一个值转换为另一个值的最快方
根据另一列的最小值选择一列

问题内容：我有下表。我想选择的每一个具有最低。当我得到所需的内容后，一旦添加了列，就需要将其也添加到GROUP BY子句，当我需要的只是每种类型的最低要求时，它返回所有行。问题答案：在标准SQL中，这可以使用窗口函数来完成但是，Postgres具有运算符，该运算符通常比带有窗口函数的相应解决方案要快：
在非唯一列上创建唯一索引

问题内容：不知道在PostgreSQL 9.3+中是否可行，但是我想在非唯一列上创建唯一索引。对于像这样的表：我想仅能[快速]查询不同的日子。我知道我可以用来帮助执行不同的搜索，但是如果不同值的数量大大少于索引覆盖的行数，这似乎会增加额外的开销。就我而言，大约30天中有1天与众不同。我是创建关系表以仅跟踪唯一条目的唯一选择吗？思维：并在每次插入数据时使用触发器来更新它。问题答案：索引只

如何根据一列中的唯一值在另一列中建立索引

共有2个答案

相关问答

相关文章

相关阅读

相关工具

相关文档