这是以下内容:按两列值的范围查找数据框中的匹配间隔
我有一个时间相关事件的数据框。
使用与以前相同的示例数据:
Name Event Order Sequence start_event end_event duration Group
JOHN 1 A 0 19 19 ID1
JOHN 2 A 60 112 52 ID1
JOHN 3 A 392 429 37 ID1
JOHN 4 B 282 329 47 ID1
JOHN 5 C 147 226 79 ID1
JOHN 6 C 566 611 45 ID1
ADAM 1 A 0 79 56 ID2
ADAM 2 A 384 407 23 ID2
ADAM 3 B 0 79 79 ID2
ADAM 4 B 505 586 81 ID2
ADAM 5 C 140 205 65 ID2
ADAM 6 C 522 599 77 ID2
我对所有不同的分组都有重叠的时间段,但我现在正在寻找所有不同名称之间共享时间的准确总时间(最终 df 中将有 20+) - 仍然取决于它们分组的顺序。
例如,使用 John 和 Adam 在 A 组中的开始时间为"0"秒,我知道他们在 0-79 秒的共性之间重叠(重叠函数中显示的他们两个之间的最大终点),但他们的总实际共享时间只有 19 秒(从 0-19,当 John 停用时)。
另一个实例将在序列 C 中,John 在 566-611 秒处于活动状态,Adam 在 522-599 秒处于活动状态,总共享活动时间为 33 秒(从 John 在 566 开始活动,Adam 在 599 秒停用)。
我想要的输出是这种风格:
"John + Adam": total shared active time
"John - Adam": total active time (John without Adam, excludes time where they are active together)
"Adam - John": total active time (Adam without John, excludes time where they are active together)
并继续数据框中 20+ 名称和组合的所有排列
谢谢!
一种方法如下:
lines <- "Name Event Order Sequence start_event end_event duration Group
JOHN 1 A 0 19 19 ID1
JOHN 2 A 60 112 52 ID1
JOHN 3 A 392 429 37 ID1
JOHN 4 B 282 329 47 ID1
JOHN 5 C 147 226 79 ID1
JOHN 6 C 566 611 45 ID1
ADAM 1 A 0 79 56 ID2
ADAM 2 A 384 407 23 ID2
ADAM 3 B 0 79 79 ID2
ADAM 4 B 505 586 81 ID2
ADAM 5 C 140 205 65 ID2
ADAM 6 C 522 599 77 ID2"
con <- textConnection(lines)
df <- read.delim(con)
close(con)
extract_interval_as_vector <- function(df) {
as.vector(t(subset(df,select=c('start_event','end_event'))))
}
sum_length_of_overlaps <- function(v1,v2) {
id <- rep(c(1,0),c(length(v1),length(v2)))
m <- rbind(id,1-id,c(v1,v2))
m <- m[,order(m[3,])]
idx <- which(cumsum(m[1,]) %% 2 & cumsum(m[2,]) %% 2)
if(length(idx)) sum(sapply(idx,function(i) m[3,i+1]-m[3,i]))
else 0
}
sum_length <- function(v) {
sum(v[seq(2,length(v),2)]-v[seq(1,length(v),2)])
}
all_names <- unique(df$Name)
combs <- combn(all_names,2)
l = list()
for(i in 1:ncol(combs)) {
df.sub1 <- subset(df,Name == combs[1,i])
df.sub2 <- subset(df,Name == combs[2,i])
l1 <- sum_length(extract_interval_as_vector(df.sub1)) #sum(df.sub1$duration)
l2 <- sum_length(extract_interval_as_vector(df.sub2)) #sum(df.sub2$duration)
seqs <- unique(df$Sequence)
overlap <- sum(sapply(seqs,function(s) {
v1 <- extract_interval_as_vector(subset(df.sub1,Sequence == s))
v2 <- extract_interval_as_vector(subset(df.sub2,Sequence == s))
sum_length_of_overlaps(v1,v2)
}))
l[[paste(combs[,i],collapse=" + ")]] = overlap
l[[paste(combs[,i],collapse=" - ")]] = l1 - overlap
l[[paste(rev(combs[,i]),collapse=" - ")]] = l2 - overlap
}
言论:
l1
和l2
可以直接根据df
计算(如注释所示),但行ADAM 1 A 0 79 56 ID2
包含奇怪的持续时间)sum_length_of_overlaps
通过查找位于两个区间的点来工作(如果在排序列表中看到两个区间列表中的起点和终点的奇数,则会出现这种情况)。这些是交叉区域的第一个点。注意:如果其中一个向量包含重叠间隔,则sum_length_of_overlaps
将无法正常工作。
示例:(sum_length_of_overlaps
的工作原理)
考虑序列A
的间隔:
> subset(df,Sequence=="A")
Name Event.Order Sequence start_event end_event duration Group
1 JOHN 1 A 0 19 19 ID1
2 JOHN 2 A 60 112 52 ID1
3 JOHN 3 A 392 429 37 ID1
7 ADAM 1 A 0 79 56 ID2
8 ADAM 2 A 384 407 23 ID2
仅将start_event
和end_event
逐行放入单独的向量中,以便获得JOHN
和ADAM
> v.john <- extract_interval_as_vector(subset(df,Sequence == "A" & Name == "JOHN"))
> v.john
[1] 0 19 60 112 392 429
> v.adam <- extract_interval_as_vector(subset(df,Sequence == "A" & Name == "ADAM"))
> v.adam
[1] 0 79 384 407
如果连接这些向量并对结果向量进行排序,则有必要跟踪哪个点属于哪个区间序列。因此,将此联合向量与指标行一起放入矩阵中很有用:
> id <- rep(c(1,0),c(length(v.john),length(v.adam)))
> m <- rbind(id,1-id,c(v.john,v.adam))
> m
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
id 1 1 1 1 1 1 0 0 0 0
0 0 0 0 0 0 1 1 1 1
0 19 60 112 392 429 0 79 384 407
排序后,仍然可以通过查看第一行或第二行来找出原始组:
> m <- m[,order(m[3,])]
> m
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
id 1 0 1 1 0 1 0 1 0 1
0 1 0 0 1 0 1 0 1 0
0 0 19 60 79 112 384 392 407 429
由于存在交集当且仅当在每组中都看到了区间的起点,但相应的终点没有,因此计算从每组看到的点数就足够了。如果从每个组看到的点数为奇数,则该点是交集的起点:
> m[1,] <- cumsum(m[1,]) %% 2
> m[2,] <- cumsum(m[2,]) %% 2
> m
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
id 1 1 0 1 1 0 0 1 1 0
0 1 1 1 0 0 1 1 0 0
0 0 19 60 79 112 384 392 407 429
因此,人们立即看到m[3,2]
、m[3,4]
和m[3,8]
是交集的起点。(另请参阅下面的手册推导)
输出:
> l
$`JOHN + ADAM`
[1] 144
$`JOHN - ADAM`
[1] 135
$`ADAM - JOHN`
[1] 260
手动推导JOHN + ADAM
:
- 顺序
A
中的交集:- [0,19], [0,79] => 长度 19
- [60,112], [0,79] => 长度 19
- [392,429], [384,407] => 长度 15
- 序列中的交叉点
B
: 无 - 顺序
C
中的交集:- [147,226], [140,205] => 长度 58
- [566,611], [522,599] => 长度 33
交叉点总长度 = 19 + 19 + 15 + 58 + 33 = 144