Ajouter identificateur de groupe conditionnel en utilisant des fonctions de cumul

Question

I ont une structure de données qui comporte les sous séquences (groupes de lignes) et la condition d'identifier ces sous séquences est à surveiller une augmentation du différentiel de colonne. C'est ce que les données ressemble à:

> dput(test) 
structure(list(vid = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), 
    .Label = "2a38ebc2-dd97-43c8-9726-59c247854df5", class = "factor"), 
    events = structure(c(3L, 2L, 4L, 1L, 3L, 2L, 4L, 1L, 3L, 
    2L, 4L, 1L, 3L, 2L, 4L, 1L, 3L, 2L, 4L, 1L), .Label = c("click", 
    "mousedown", "mousemove", "mouseup"), class = "factor"), 
    deltas = structure(6:25, .Label = c("154875", "154878", "154880", 
    "155866", "155870", "38479", "38488", "38492", "38775", "45595", 
    "45602", "45606", "45987", "50280", "50285", "50288", "50646", 
    "54995", "55001", "55005", "55317", "59528", "59533", "59537", 
    "59921", "63392", "63403", "63408", "63822", "66706", "66710", 
    "66716", "67002", "73750", "73755", "73759", "74158", "77999", 
    "78003", "78006", "78076", "81360", "81367", "81371", "82381", 
    "93365", "93370", "93374", "93872"), class = "factor"), 
    serial = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 
    19, 20), diff = c(0, 9, 4, 283, 6820, 7, 4, 381, 4293, 5, 3, 358, 4349, 6, 4, 
    312, 4211, 5, 4, 384)), 
    .Names = c("vid", "events", "deltas", "serial", "diff"), 
    row.names = c(NA, 20L), class = "data.frame") 

Je suis en train d'ajouter une colonne qui indique quand une nouvelle séquence secondaire est identifiée et affecter toute la séquence sous un identifiant unique. Je vais démontrer le critère de regroupement avec l'exemple suivant:
La valeur de diff de la ligne 5 est 6829, qui est 10 fois supérieure à la valeur maximale jusqu'à ce que cette ligne (283). Le résultat devrait être quelque chose comme ça df:

structure(list(vid = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 
    1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), 
    .Label = "2a38ebc2-dd97-43c8-9726-59c247854df5", class = "factor"), 
    events = structure(c(3L, 2L, 4L, 1L, 3L, 2L, 4L, 1L, 3L, 
    2L, 4L, 1L, 3L, 2L, 4L, 1L, 3L, 2L, 4L, 1L), .Label = c("click", 
    "mousedown", "mousemove", "mouseup"), class = "factor"), 
    deltas = structure(6:25, .Label = c("154875", "154878", "154880", 
    "155866", "155870", "38479", "38488", "38492", "38775", "45595", 
    "45602", "45606", "45987", "50280", "50285", "50288", "50646", 
    "54995", "55001", "55005", "55317", "59528", "59533", "59537", 
    "59921", "63392", "63403", "63408", "63822", "66706", "66710", 
    "66716", "67002", "73750", "73755", "73759", "74158", "77999", 
    "78003", "78006", "78076", "81360", "81367", "81371", "82381", 
    "93365", "93370", "93374", "93872"), class = "factor"), serial = c(1, 
    2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 
    19, 20), 
    diff = c(0, 9, 4, 283, 6820, 7, 4, 381, 4293, 5, 
    3, 358, 4349, 6, 4, 312, 4211, 5, 4, 384), 
    group = c(1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5)), 
    .Names = c("vid", "events", "deltas", "serial", "diff", "group"), 
    row.names = c(NA, 20L), class = "data.frame") 

Toute aide grandement appréciée

Answer 1

Permettez-moi de vous donner un peu plus en détail les raisons pour lesquelles il fonctionne et comment cela fonctionne.

Tout d'abord, nous venons d'ajouter une colonne sans la partie cumsum:

df$tag <- df$diff > 500 
head(df) 
            vid events deltas serial diff tag 
1 2a38ebc2-dd97-43c8-9726-59c247854df5 mousemove 38479  1 0 FALSE 
2 2a38ebc2-dd97-43c8-9726-59c247854df5 mousedown 38488  2 9 FALSE 
3 2a38ebc2-dd97-43c8-9726-59c247854df5 mouseup 38492  3 4 FALSE 
4 2a38ebc2-dd97-43c8-9726-59c247854df5  click 38775  4 283 FALSE 
5 2a38ebc2-dd97-43c8-9726-59c247854df5 mousemove 45595  5 6820 TRUE 
6 2a38ebc2-dd97-43c8-9726-59c247854df5 mousedown 45602  6 7 FALSE 

Comme vous pouvez le voir, il crée simplement une logique de valeurs VRAI/FAUX dans la colonne de l'étiquette qui indique si la différence ou non est 'assez grand' (basé sur le seuil sélectionné).

Maintenant, lorsque vous faites cumsum sur cette colonne et le stockez dans la colonne group, il continuera à ajouter cumulativement. Chaque valeur TRUE incrémenter la somme cumulée de 1 et chaque valeur FAUX conservera la somme cumulée la même que celle qu'elle était avant cette ligne a été touché.

Alors, cela vous donnera les valeurs souhaitées group incrémenter:

df$group <- cumsum(df$tag) 
head(df) 
            vid events deltas serial diff tag group 
1 2a38ebc2-dd97-43c8-9726-59c247854df5 mousemove 38479  1 0 FALSE  0 
2 2a38ebc2-dd97-43c8-9726-59c247854df5 mousedown 38488  2 9 FALSE  0 
3 2a38ebc2-dd97-43c8-9726-59c247854df5 mouseup 38492  3 4 FALSE  0 
4 2a38ebc2-dd97-43c8-9726-59c247854df5  click 38775  4 283 FALSE  0 
5 2a38ebc2-dd97-43c8-9726-59c247854df5 mousemove 45595  5 6820 TRUE  1 
6 2a38ebc2-dd97-43c8-9726-59c247854df5 mousedown 45602  6 7 FALSE  1 

Notez que la valeur du groupe commence à zéro. Puisque la somme cumulative des premières valeurs FAUX est nulle. Mais, vous pouvez vouloir que vos identifiants de groupe commencent à 1 à la place. Donc, j'ai ajouté un 1 à la cumsum, mais vous pouvez aussi le faire comme suit une étape supplémentaire.

df$group <- df$group + 1 
head(df) 
            vid events deltas serial diff tag group 
1 2a38ebc2-dd97-43c8-9726-59c247854df5 mousemove 38479  1 0 FALSE  1 
2 2a38ebc2-dd97-43c8-9726-59c247854df5 mousedown 38488  2 9 FALSE  1 
3 2a38ebc2-dd97-43c8-9726-59c247854df5 mouseup 38492  3 4 FALSE  1 
4 2a38ebc2-dd97-43c8-9726-59c247854df5  click 38775  4 283 FALSE  1 
5 2a38ebc2-dd97-43c8-9726-59c247854df5 mousemove 45595  5 6820 TRUE  2 
6 2a38ebc2-dd97-43c8-9726-59c247854df5 mousedown 45602  6 7 FALSE  2 

Hope this helps.

Answer 2

avec la permission de l'utilisateur Gopala: Que diriez-vous df groupe $ < - cumsum (df $ diff> 500) + 1 (vos critères que vous spécifiez). - Gopala 31 minutes il y a