分组，应用多个条件并在R或Python中计算持续时间

目标

我有一个数据集df，我想根据特定条件计算持续时间，并显示

收件人

，

开始时间

，

结束时间

，

持续时间

和

长度

的输出

问题

如果以下条件适用，我需要首先将邮件分组： 如果

文件夹=='out'

或

草稿

，

消息==''

，

编辑==“T”

，如果 收件人列和长度列连续相同

理想情况下，这会给我A组及其持续时间。例如，第一个“数据块”将标记为“A组”，开始时间为

1/2/2020 1:00:01 AM

，结束时间为

1/2/2020 1:00:30 AM

Subject Re                    Length         Folder      Message   Date                   Edit     
        a@mail.com,b@mail.com 80             out                   1/2/2020 1:00:01 AM     T                               
        a@mail.com,b@mail.com 80             out                   1/2/2020 1:00:05 AM     T                        
hey     a@mail.com,b@mail.com 80             out                   1/2/2020 1:00:10 AM     T                        
hey     a@mail.com,b@mail.com 80             out                   1/2/2020 1:00:15 AM     T                        
hey     a@mail.com,b@mail.com 80             out                   1/2/2020 1:00:30 AM     T 
some
some
some
hey     a@mail.com,b@mail.com 80            draft                  1/2/2020 1:02:00 AM     T                        
hey     a@mail.com,b@mail.com 80            draft                  1/2/2020 1:02:05 AM     T                        
no
no
no
no
hey     a@mail.com,b@mail.com 80             out                   1/2/2020 1:03:10 AM     T                        
hey     a@mail.com,b@mail.com 80             out                   1/2/2020 1:03:20 AM     T                        

此外，如果主题的最后一行Re和Length列与第一行的其他组Subject、Re和Length匹配，我想将A组与另一个数据块“匹配”。因此，第二组A的开始时间为

1/2/2020 1:02:00 AM

，结束时间为

1/2/2020 1:02:05 AM

Subject Re                    Length         Folder      Message   Date                   Edit     
        a@mail.com,b@mail.com 80             out                   1/2/2020 1:00:01 AM     T                               
        a@mail.com,b@mail.com 80             out                   1/2/2020 1:00:05 AM     T                        
hey     a@mail.com,b@mail.com 80             out                   1/2/2020 1:00:10 AM     T                        
hey     a@mail.com,b@mail.com 80             out                   1/2/2020 1:00:15 AM     T                        
hey     a@mail.com,b@mail.com 80             out                   1/2/2020 1:00:30 AM     T 
some
some
some
hey     a@mail.com,b@mail.com 80            draft                  1/2/2020 1:02:00 AM     T                        
hey     a@mail.com,b@mail.com 80            draft                  1/2/2020 1:02:05 AM     T                        
no
no
no
no
hey     a@mail.com,b@mail.com 80             out                   1/2/2020 1:03:10 AM     T                        
hey     a@mail.com,b@mail.com 80             out                   1/2/2020 1:03:20 AM     T                        

所需输出

 Start                  End                        Duration          Group  Subject  Length
 1/2/2020 1:00:01 AM    1/2/2020 1:00:30 AM        29                A      hey       80
 1/2/2020 1:02:00 AM    1/2/2020 1:02:05 AM        5                 A      hey       80
 1/2/2020 1:03:10 AM    1/2/2020 1:03:20 AM        10                A      hey       80

dput:

 structure(list(Subject = structure(c(1L, 1L, 2L, 2L, 2L, 4L, 
 4L, 4L, 2L, 2L, 3L, 3L, 3L, 3L, 2L, 2L, 1L, 1L), .Label = c("", 
 "hey", "no", "some"), class = "factor"), Recipient = structure(c(3L, 
3L, 3L, 3L, 3L, 1L, 1L, 1L, 3L, 3L, 1L, 1L, 1L, 1L, 3L, 3L, 1L, 
2L), .Label = c("", " ", "a@mail.com,b@mail.com"), class = "factor"), 
Length = c(80L, 80L, 80L, 80L, 80L, NA, NA, NA, 80L, 80L, 
NA, NA, NA, NA, 80L, 80L, NA, NA), Folder = structure(c(3L, 
3L, 3L, 3L, 3L, 1L, 1L, 1L, 2L, 2L, 1L, 1L, 1L, 1L, 2L, 2L, 
1L, 1L), .Label = c("", "draft", "out"), class = "factor"), 
Message = c(NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, 
NA, NA, NA, NA, NA, NA), Date = structure(c(2L, 2L, 2L, 2L, 
2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 4L, 4L, 1L, 1L), .Label = c("", 
"1/2/2020 1:00", "1/2/2020 1:02", "1/2/2020 1:03"), class = "factor"), 
Edit = c(TRUE, TRUE, TRUE, TRUE, TRUE, NA, NA, NA, TRUE, 
TRUE, NA, NA, NA, NA, TRUE, TRUE, NA, NA)), class = "data.frame", row.names =   c(NA, 
  -18L))

我正在使用它，但我希望保留主题为空的行，我不希望将其过滤掉。从本例的前几行可以看出，尽管主题字段为空，但它仍应包含在第一个“块”中。当我移除此部分时：

   filter(Subject != '') %>%, I get some errors, should I remove another      part in the code too? (Keep in mind, I still want to display the Subject output).  Any advice is appreciated.





 df1<-df %>% 

 mutate_if(is.factor, as.character) %>% 

 mutate_at(c("Subject", "Recipient"), ~if_else(is.na(.), "",      stringr::str_trim(.))) %>%
 filter(Subject != '') %>%
 mutate(Date = as.POSIXct(Date, format = '%m/%d/%Y %H:%M:%OS')) %>%
 mutate(cond = Edit & Folder %in% c('out', 'draft') & Message == '') %>% 
 mutate(segment = cumsum(!cond)) %>%
 filter(cond) %>%  


 group_by(Subject, Recipient, Length, segment) %>%
 summarize(Start = min(Date),
        End = max(Date),
        Duration = End - Start) %>%


  mutate(new_group = (Subject   != lag(Subject, 1, "")) *
       (Recipient != lag(Recipient, 1, "")) *
       (Length    != lag(Length, 1, ""))) %>%
  ungroup() %>%
  mutate(group = LETTERS[cumsum(new_group)])

filter（Subject！=''）%%>%，我遇到了一些错误，我应该删除代码中的另一部分吗？（请记住，我仍然希望显示主题输出）。任何建议都将不胜感激。
df1%
如果（is.factor，as.character）%>%，则进行变异
在（c（“受试者”、“接受者”），~if_-else（is.na（.），“”，stringr:：str_-trim（.））%>%
过滤器（主题！=''）%>%
mutate（日期=as.POSIXct（日期，格式='%m/%d/%Y%H:%m:%OS'））%>%
变异（cond=Edit&文件夹%in%c（'out'，'draft'）&消息==''）%>%
突变（段=cumsum（！cond））%>%
过滤器（cond）%%>%
分组依据（受试者、接受者、长度、分段）%>%
汇总（开始=分钟（日期），
结束=最大（日期），
持续时间=结束-开始）%>%
变异（新组=（受试者！=滞后（受试者，1，“））*
（收件人！=延迟（收件人，1，“”）*
（长度！=滞后（长度，1，“”））%>%
解组（）%>%
变异（组=字母[cumsum（新组）]）

最好重新提交dput数据。虽然我已经修复了开始，但它似乎也存在其他问题好的，谢谢@R.S。您的

dput

有一些错误。

Subject

列只有7个条目，而其余的只有13个条目。我已经完全更新了@Rohit My de歉意如果您想将带有空白

Subject

的行作为第一个块的一部分，那么不要将其过滤掉。另外，不要按主题分组。