如何在R中创建指示时间序列中的开始和结束时间段的变量

Question

我想计算一下某人何时开始和停止评论博客。我的数据集在第1列中有一个userid，后面是6列，每列表示一个时间段内的评论数量。我想创建一个列（"活动"），标识出现非零值的第一个句点。我还想创建一个列（"活动"），用于标识第一个周期，其中0跟在非零值后面，并且在随后的周期中只跟在0后面。

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")

下面是其中5行的选定输出。没有"inactive"的值意味着用户仍然处于活动状态。：

userid, active, inactive
199782, 5
27889, 1
29620, 1, 3
37531, 2
30516, 1, 3

有人能为我指明正确的方向吗？谢谢

Answer 1

使用data.table进行sugar语法并按id组进行（放入长格式后）：

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

解释，每个id：

1. 活动列只是第一个值的索引，而不是null

2. 非活动列更为棘手。它是重复值在累积值和中的最小索引。我们应该从这个累积和中删除零值，以避免值以零开头的情况。这里有一个简单的例子：

    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