Przekształcanie danych w R z "loginem" "wylogowaniem" razy

Question

Jestem nowy dla R i pracuję nad projektem pobocznym dla własnych celów. Mam dane (odtwarzalny dput tego jest w końcu na pytanie):

 X   datetime user state 
1 1 2016-02-19 19:13:26 User1 joined 
2 2 2016-02-19 19:21:18 User2 joined 
3 3 2016-02-19 19:21:33 User1 joined 
4 4 2016-02-19 19:35:38 User1 joined 
5 5 2016-02-19 19:44:15 User1 joined 
6 6 2016-02-19 19:48:55 User1 joined 
7 7 2016-02-19 19:52:40 User1 joined 
8 8 2016-02-19 19:53:15 User3 joined 
9 9 2016-02-19 20:02:34 User3 joined 
10 10 2016-02-19 20:13:48 User3 joined 
19 637 2016-02-19 19:13:32 User1 left 
20 638 2016-02-19 19:25:26 User1 left 
21 639 2016-02-19 19:30:30 User2 left 
22 640 2016-02-19 19:42:16 User1 left 
23 641 2016-02-19 19:47:59 User1 left 
24 642 2016-02-19 19:51:06 User1 left 
25 643 2016-02-19 20:02:26 User3 left 

chcę, żeby wyglądać tak:

user joined    left 
1 User1 2016-02-19 19:13:26 2016-02-19 19:13:32 
2 User2 2016-02-19 19:21:18 2016-02-19 19:30:30 
3 User3 2016-02-19 19:53:15 2016-02-19 20:02:26 
4 User1 2016-02-19 19:21:33 2016-02-19 19:25:26 
. 
. 
. 

Patrzę na tidyr jak jest jakaś przekształcanie w oczywisty sposób, ale nie mogę zawinąć głowy, co trzeba zrobić. Czy jest to możliwe (bez pętli/ogromnych ilości kodu proceduralnego)? Problemem, którego nie potrafię zrozumieć, jest to, że nie ma sposobu, by wiedzieć, że konkretny "lewy" zapis powinien zostać dołączony do konkretnej "połączonej" płyty. Przykłady, które mogę znaleźć, obejmują statyczny miesiąc lub dzień, w którym gromadzone są inne wartości. Powinienem dodać, że niekoniecznie gwarantuje się, że wszystkie zapisy będą miały "lewą" wartość (użytkownik może nadal być "połączony").

Oto wyjście dput z próbki danych:

> dput(samp) 
structure(list(X = c(1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 10L, 
11L, 12L, 13L, 14L, 15L, 16L, 17L, 18L, 637L, 638L, 639L, 640L, 
641L, 642L, 643L, 644L, 645L, 646L, 647L, 648L, 649L, 650L, 651L 
), datetime = structure(c(1L, 3L, 4L, 7L, 9L, 11L, 13L, 14L, 
16L, 18L, 21L, 22L, 23L, 26L, 27L, 30L, 32L, 33L, 2L, 5L, 6L, 
8L, 10L, 12L, 15L, 17L, 19L, 20L, 24L, 25L, 28L, 29L, 31L), .Label = c("2016-02-19 19:13:26", 
"2016-02-19 19:13:32", "2016-02-19 19:21:18", "2016-02-19 19:21:33", 
"2016-02-19 19:25:26", "2016-02-19 19:30:30", "2016-02-19 19:35:38", 
"2016-02-19 19:42:16", "2016-02-19 19:44:15", "2016-02-19 19:47:59", 
"2016-02-19 19:48:55", "2016-02-19 19:51:06", "2016-02-19 19:52:40", 
"2016-02-19 19:53:15", "2016-02-19 20:02:26", "2016-02-19 20:02:34", 
"2016-02-19 20:13:38", "2016-02-19 20:13:48", "2016-02-19 20:42:27", 
"2016-02-19 20:48:22", "2016-02-19 20:49:31", "2016-02-19 20:59:58", 
"2016-02-19 21:06:20", "2016-02-19 21:10:43", "2016-02-19 21:11:13", 
"2016-02-19 21:11:15", "2016-02-19 21:11:22", "2016-02-19 21:17:33", 
"2016-02-19 22:02:45", "2016-02-19 22:05:18", "2016-02-19 22:05:37", 
"2016-02-19 22:05:47", "2016-02-19 22:30:30"), class = "factor"), 
    user = structure(c(1L, 2L, 1L, 1L, 1L, 1L, 1L, 3L, 3L, 3L, 
    3L, 4L, 1L, 1L, 4L, 4L, 4L, 3L, 1L, 1L, 2L, 1L, 1L, 1L, 3L, 
    3L, 3L, 1L, 4L, 1L, 1L, 4L, 4L), .Label = c("User1", "User2", 
    "User3", "User4"), class = "factor"), state = structure(c(1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 
    2L, 2L), .Label = c("joined", "left"), class = "factor")), .Names = c("X", 
"datetime", "user", "state"), class = "data.frame", row.names = c(NA, 
-33L)) 

Answer 1

Możemy skorzystać z rzędu „w lewo” i „połączone” i meczu, gdy ktoś podąża inny dla każdego użytkownika.

Do tego mam zamiar użyć library(data.table)

library(data.table) 
setDT(df) 

## order the data by user and datetime 
df <- df[order(user, datetime)] 
## add an 'order' column, which is a sequence from 1 to lenght() 
## for each user 
df[, order := seq(1:.N), by=user] 

## split the left and joins 
dt_left <- df[state == "left"] 
dt_joined <- df[state == "joined"] 

## assuming 'left' is after 'joined', shift the 'order' back for left 
dt_left[, order := order - 1] 

## join user an dorder (and subsetting relevant columns) 
## keeping when there's a 'joined' but not a 'left' 
dt <- dt_left[, .(user, order, datetime)][dt_joined[, .(user, order, datetime)], on=c("user", "order"), nomatch=NA] 

## rename columns 
setnames(dt, c("datetime", "i.datetime"), c("left", "joined")) 

    user order    left    joined 
1: User1  1 2016-02-19 19:13:32 2016-02-19 19:13:26 
2: User1  3 2016-02-19 19:25:26 2016-02-19 19:21:33 
3: User1  5 2016-02-19 19:42:16 2016-02-19 19:35:38 
4: User1  7 2016-02-19 19:47:59 2016-02-19 19:44:15 
5: User1  9 2016-02-19 19:51:06 2016-02-19 19:48:55 
6: User1 11 2016-02-19 20:48:22 2016-02-19 19:52:40 
7: User1 13 2016-02-19 21:11:13 2016-02-19 21:06:20 
8: User1 15 2016-02-19 21:17:33 2016-02-19 21:11:15 
9: User2  1 2016-02-19 19:30:30 2016-02-19 19:21:18 
10: User3  1 2016-02-19 20:02:26 2016-02-19 19:53:15 
11: User3  3 2016-02-19 20:13:38 2016-02-19 20:02:34 
12: User3  5 2016-02-19 20:42:27 2016-02-19 20:13:48 
13: User3  7     NA 2016-02-19 20:49:31 
14: User3  8     NA 2016-02-19 22:30:30 
15: User4  1 2016-02-19 21:10:43 2016-02-19 20:59:58 
16: User4  3 2016-02-19 22:02:45 2016-02-19 21:11:22 
17: User4  5 2016-02-19 22:05:37 2016-02-19 22:05:18 
18: User4  7     NA 2016-02-19 22:05:47 

Answer 2

wersji Base:

samp$count <- with(samp, ave(as.character(user),list(state,user),FUN=seq_along)) 

out <- merge(
    samp[samp$state=="joined",c("user","datetime","count")], 
    samp[samp$state=="left",c("user","datetime","count")], 
    by=c("user","count"), all.x=TRUE 
) 

out[order(out$count),] 

Answer 3

Innym sposobem, aby to zrobić:

library(tidyr) 
df <- df %>% spread(state, datetime) 

df_joined <- df[!is.na(df$joined), 2:3] 
df_joined <- df_joined[with(df_joined, order(user, joined)), ] 

df_left <- df[!is.na(df$left), c(2, 4)] 
df_left <- df_left[with(df_left, order(user, left)), ] 

merge(df_joined, df_left, all = TRUE, by = 'user') 

Answer 4

Musimy numer sekwencyjny, który określa kolejność datetime w obrębie każdego użytkownika + grupy państw. Użyty tutaj numer sekwencji, w szczególności, jest znaczącą liczbą kolejnych połączonych- [lewych] rekordów w przekształconej ramce danych.

Korzystanie spread z tidyr

spread(within(samp[,-1],seq<-ave(as.numeric(datetime),user,state,FUN=order)), 
    state,datetime) 



    user seq    joined    left 
1 User1 1 2016-02-19 19:13:26 2016-02-19 19:13:32 
2 User1 2 2016-02-19 19:21:33 2016-02-19 19:25:26 
3 User1 3 2016-02-19 19:35:38 2016-02-19 19:42:16 
4 User1 4 2016-02-19 19:44:15 2016-02-19 19:47:59 
5 User1 5 2016-02-19 19:48:55 2016-02-19 19:51:06 
6 User1 6 2016-02-19 19:52:40 2016-02-19 20:48:22 
7 User1 7 2016-02-19 21:06:20 2016-02-19 21:11:13 
8 User1 8 2016-02-19 21:11:15 2016-02-19 21:17:33 
9 User2 1 2016-02-19 19:21:18 2016-02-19 19:30:30 
10 User3 1 2016-02-19 19:53:15 2016-02-19 20:02:26 
11 User3 2 2016-02-19 20:02:34 2016-02-19 20:13:38 
12 User3 3 2016-02-19 20:13:48 2016-02-19 20:42:27 
13 User3 4 2016-02-19 20:49:31    <NA> 
14 User3 5 2016-02-19 22:30:30    <NA> 
15 User4 1 2016-02-19 20:59:58 2016-02-19 21:10:43 
16 User4 2 2016-02-19 21:11:22 2016-02-19 22:02:45 
17 User4 3 2016-02-19 22:05:18 2016-02-19 22:05:37 
18 User4 4 2016-02-19 22:05:47    <NA> 

ten może również zostać napisany z dcast z reshape2

dcast(within(samp,seq<-ave(as.numeric(datetime),user,state,FUN=order)), 
    user+seq~state, value.var="datetime") 

Answer 5

Korzystanie rowid() z data.table-pakiecie wraz z dcast:

require(data.table) 
dcast(dt, user + rowid(user, state) ~ state, value.var="datetime") 

#  user user_1    joined    left 
# 1: User1  1 2016-02-19 19:13:26 2016-02-19 19:13:32 
# 2: User1  2 2016-02-19 19:21:33 2016-02-19 19:25:26 
# 3: User1  3 2016-02-19 19:35:38 2016-02-19 19:42:16 
# 4: User1  4 2016-02-19 19:44:15 2016-02-19 19:47:59 
# 5: User1  5 2016-02-19 19:48:55 2016-02-19 19:51:06 
# 6: User1  6 2016-02-19 19:52:40    <NA> 
# 7: User2  1 2016-02-19 19:21:18 2016-02-19 19:30:30 
# 8: User3  1 2016-02-19 19:53:15 2016-02-19 20:02:26 
# 9: User3  2 2016-02-19 20:02:34    <NA> 
# 10: User3  3 2016-02-19 20:13:48    <NA>