基于R中不同位置的时间序列创建矩阵

我期待着创建一个功能，创建一个矩阵的基础上运动的众多独特的个人ID的不同日期到不同的位置

从本质上说，我希望统计个人在不同地点之间的移动次数。每一个动作都以1计。因为我只希望看一看运动，第一个地点不会算作1，但第一次和第二次日期之间的运动会算作1，如果个人停留在原地，则不会算作运动

一个示例数据框是（除了我有n个个体和n个位置）：

我希望随后绘制该矩阵，但我发现很难在

R

编辑 当我查看

df\u change\u和\u lag\u drop\u initial的输出时，使用我的数据，我得到：

individual1 <- c("b1316", "b1316")
location1 <- c(5, 1)
loc_lag1    <- c(4, 5)
df1 <- data.frame(individual1, location1, loc_lag1)

individual1您可以使用
数据非常简洁地完成此操作。表如下所示：

library(data.table)
setDT(df)

df[ , lag_loc := shift(locations), by = individual
    ][locations != lag_loc,
      dcast(.SD, lag_loc ~ locations, fill = 0,
            value.var = 'individual', fun.aggregate = length)]
#    loc_lag L1 L2 L3
# 1:      L1  0  2  0
# 2:      L2  1  0  1
# 3:      L3  1  0  0

分为几个步骤：

加载
数据。表格
；将
df
转换为
数据表

 library(data.table)
 setDT(df)

查找与
位置更改相对应的行
：

df[ , lag_loc := shift(locations), by = individual][]
#    individual       date locations lag_loc
#  1:          1 2018-04-12        L1    <NA>
#  2:          1 2018-04-13        L2      L1
#  3:          1 2018-04-14        L2      L2
#  4:          1 2018-04-15        L2      L2
#  5:          1 2018-04-16        L3      L2
#  6:          2 2018-04-12        L2    <NA>
#  7:          2 2018-04-13        L1      L2
#  8:          2 2018-04-14        L1      L1
#  9:          2 2018-04-15        L2      L1
# 10:          2 2018-04-16        L2      L2
# 11:          3 2018-04-12        L3    <NA>
# 12:          3 2018-04-13        L3      L3
# 13:          3 2018-04-14        L3      L3
# 14:          3 2018-04-15        L3      L3

将此表格改宽为
origin~ destination
fill=0
表示任何未表示的
起点
->
目的地
组合将显示为0（特别是沿对角线）
value.var
在这里实际上并不重要，但是
individual
非常直观，因为它具有以下解释——当我们重塑时，我们将
fun.aggregate
应用于
原点
和
目的地
相同组合中的所有行，即输出中的每个单元格都应该是
长度（个体）
对于每个O-D组合，应清楚地看到这些个体的数量：

dcast(df_change, loc_lag ~ locations, fill = 0,
      value.var = 'individual', fun.aggregate = length)

非常感谢你的回答，这很好，几乎就是我想要的。整个过程中添加的信息令人惊讶。2来自代码中个人1从第1-2行和个人2从第8-9行的移动：df[，row_change_id:=rowid（个人，位置）][]。在您的sig_id中，不是第8行和第9行是2，而是第9行应该是1。@d事实上，我最初的回答是错误的，我以为我涵盖了我未能涵盖的案例。现在修好了，太棒了。我一直在查看我的数据，似乎还有其他问题。如果该位置已经被使用过，那么它似乎会将其从分组的其余部分中删除，即使该个人可能会再次返回该位置。我的意思是，例如，如果你把这些作为位置ID（4，5，4，1，5，4），然后个体在它们之间移动，它应该看起来像-1，1，1，1，1-在移动分数方面，但我认为代码正在做的是给-1，0，1，0-作为输出。这有意义吗？谢谢你的帮助。非常感谢。@DFinch我不确定我是否遵守了，您能在问题的示例中包含这一点吗？也许您没有使用更新的代码？这显示了5个动作：
df2[，lag\u loc:=shift（location2），by=individual2][location2！=lag\u loc，dcast（.SD，lag\u loc~location2，fill=0，value.var='individual2'，fun.aggregate=length）]
b1316在该数据中set@MichaelChirico我想我已经发现了问题，但不确定如何解决。当代码的这一部分运行时，它标识了五个更改。然而，在df2[，row\u change\u id:=rowid（individual2，location2）][]期间发生了一些事情，当它转换/排列它们时，以前使用过的因素（站点编号）不会作为新的移动出现。当您查看一次df2的输出
df2[，row_change_id:=rowid（individual2，location2）][
运行时，您可以看到
row_change_id
不是1，而是2/3，就好像个人在同一个地方一样。再次，我不确定您使用的是更新的答案。。。我再也不用罗维德道歉了。你是对的。非常感谢你的帮助。
 library(data.table)
 setDT(df)

df[ , lag_loc := shift(locations), by = individual][]
#    individual       date locations lag_loc
#  1:          1 2018-04-12        L1    <NA>
#  2:          1 2018-04-13        L2      L1
#  3:          1 2018-04-14        L2      L2
#  4:          1 2018-04-15        L2      L2
#  5:          1 2018-04-16        L3      L2
#  6:          2 2018-04-12        L2    <NA>
#  7:          2 2018-04-13        L1      L2
#  8:          2 2018-04-14        L1      L1
#  9:          2 2018-04-15        L2      L1
# 10:          2 2018-04-16        L2      L2
# 11:          3 2018-04-12        L3    <NA>
# 12:          3 2018-04-13        L3      L3
# 13:          3 2018-04-14        L3      L3
# 14:          3 2018-04-15        L3      L3

df_change = df[locations != lag_loc]

dcast(df_change, loc_lag ~ locations, fill = 0,
      value.var = 'individual', fun.aggregate = length)