我想计算某人何时开始和停止在博客上发表评论。我的数据集在第1列中有一个用户ID，其后是6列，每列代表一个时间段内的评论数。我想创建一列（“活动”）以标识出现非零值的第一个期间。我还想创建一列（“无效”），该列标识第一个周期，其中零后面跟随着一个非零值，并且在随后的周期中仅后面跟随着零。
这是10行样本数据：
structure(list(userid = c(199782L, 30982L, 27889L, 108358L, 29620L,
229214L, 37531L, 711L, 30516L, 32360L), Period1 = c(0L, 1L, 43L,
0L, 189L, 0L, 0L, 142L, 26L, 0L), Period2 = c(0L, 36L, 40L, 18L,
32L, 0L, 6L, 55L, 159L, 0L), Period3 = c(0L, 68L, 25L, 110L,
1L, 0L, 31L, 14L, 32L, 0L), Period4 = c(0L, 45L, 0L, 91L, 0L,
0L, 54L, 1L, 0L, 0L), Period5 = c(93L, 27L, 57L, 0L, 0L, 35L,
79L, 4L, 0L, 26L), Period6 = c(132L, 47L, 37L, 4L, 0L, 186L,
50L, 2L, 0L, 191L)), .Names = c("userid", "Period1", "Period2",
"Period3", "Period4", "Period5", "Period6"), row.names = 175:184, class = "data.frame")
接下来是5行的选定输出。缺少“ inactive”的值表示用户仍处于活动状态。
userid, active, inactive
199782, 5
27889, 1
29620, 1, 3
37531, 2
30516, 1, 3
有人可以为我指出正确的方法吗？谢谢！
使用data.table糖的语法和（后投入长格式）通过ID的组进行：
library(data.table)
melt(setDT(dat),id.vars='userid')[,
list(active=min(which(value>0)),
inactive={ mm = cumsum(value)
## treat the case where we have leading 0 in value
mm = duplicated(mm[mm!=0])
## Note the use of integer here otheriwse data.table will complain about types...
ifelse(any(mm) && max(which(mm))==length(value),
min(which(mm)),NA_integer_)
}),userid]
userid active inactive
1: 199782 5 NA
2: 30982 1 NA
3: 27889 1 NA
4: 108358 2 NA
5: 29620 1 4
6: 229214 5 NA
7: 37531 2 NA
8: 711 1 NA
9: 30516 1 4
10: 32360 5 NA
说明，针对每个ID：
非活动列比较棘手，它是重复的值在值的累积总和中的最小索引。我们应该从此累加总和中删除空值，以避免该值以零开头的情况。这里有个简单的例子：
cumsum(c(1,0,1))
[1] 1 1 2
_ ## we want to extract the index of one here
min(which(duplicated(cumsum(c(1,0,1)))))
2
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句