R 在计算会话的列中创建替换NAs的函数

我有一个数据框，看起来像下面的示例数据框：

#sample data frame
   clientId actual_time           session
1  A        2016-11-01 00:00:00   1             
2  A        2016-11-01 00:05:00   1
3  A        2016-11-01 00:35:01   2
4  A        2016-11-01 00:40:00   NA
5  A        2016-11-01 01:10:01   NA         
6  B        2016-11-01 01:00:00   1
7  B        2016-11-01 01:05:00   1
8  B        2016-11-01 01:30:00   1
9  B        2016-11-01 01:40:00   1
10 B        2016-11-01 01:50:00   NA
11 C        2016-11-01 02:00:00   NA
12 C        2016-11-01 02:35:00   NA
13 C        2016-11-01 04:35:00   NA

我想用逻辑定义如下的值填充“会话”列中的NAs：

• 对于相同的“clientId”，如果两个后续行之间的时差大于等于30分钟，则较新的行将处于新会话中（等于较旧行的会话加1）；如果随后两行之间的时间差小于30分钟，则两行都处于具有相同会话号的相同会话中
• 会话号是从1开始的累积数，即，对于新的clientId，会话号从1开始

NA填满后，数据框将如下所示：

#sample data frame (result)
   clientId actual_time           session
1  A        2016-11-01 00:00:00   1             
2  A        2016-11-01 00:05:00   1
3  A        2016-11-01 00:35:01   2
4  A        2016-11-01 00:40:00   2
5  A        2016-11-01 01:10:00   3         
6  B        2016-11-01 01:00:00   1
7  B        2016-11-01 01:05:00   1
8  B        2016-11-01 01:30:00   1
9  B        2016-11-01 01:40:00   1
10 B        2016-11-01 01:50:00   1
11 C        2016-11-01 02:00:00   1
12 C        2016-11-01 02:35:00   2
13 C        2016-11-01 04:35:00   3

我试过：

df<-data.frame(clientId=c(rep('A',5),rep('B',5),rep('C',3)),
       actual_time=as.POSIXct(c("2016-11-01 00:00:00","2016-11-01 00:05:00","2016-11-01 00:35:01","2016-11-01 00:40:00","2016-11-01 01:10:01",
                       "2016-11-01 01:00:00","2016-11-01 01:05:00","2016-11-01 01:30:00","2016-11-01 01:40:00","2016-11-01 01:50:00",
                       "2016-11-01 02:00:00","2016-11-01 02:35:00","2016-11-01 04:35:00")),
       session=c(1,1,2,NA,NA,1,1,1,1,NA,NA,NA,NA))  

my_session<- function(df){

  for (i in 2:(dim(df)[1])){
    if(is.na(df$session[i])){
      if (df$clientId[i]==df$clientId[i-1]){
        if(as.numeric(difftime(df$actual_time[i], 
                               df$actual_time[i-1], Asia/Taipei,units =     "mins"))>30){
          df$session[i]<- df$session[i-1]+1
        }else{df$session[i]<- df$session[i-1]}
      }else{df$session[i]<- 1}
    }
  }

  return(df)
}

df2<-my_session(df)

---

df我将提出一种
data.table
方法，它应该比您现有的函数扩展得更好

library(data.table)
DT <- as.data.table(df) # or setDT(df)
DT[, session := cumsum(difftime(actual_time, shift(actual_time, 
               fill = min(actual_time)), units = "mins") > 30) +1L, 
    by = clientId]

我正在使用ddply（）来解决这个问题

df$actual_time <- as.POSIXct(df$actual_time)
library(plyr)
ddply(df, .(clientId),transform, x2 = c(0,cumsum(diff(actual_time) > 30))+1 )

     clientId         actual_time session x2
1         A 2016-11-01 00:00:00       1  1
2         A 2016-11-01 00:05:00       1  1
3         A 2016-11-01 00:35:01       2  2
4         A 2016-11-01 00:40:00      NA  2
5         A 2016-11-01 01:10:01      NA  3
6         B 2016-11-01 01:00:00       1  1
7         B 2016-11-01 01:05:00       1  1
8         B 2016-11-01 01:30:00       1  1
9         B 2016-11-01 01:40:00       1  1
10        B 2016-11-01 01:50:00      NA  1
11        C 2016-11-01 02:00:00      NA  1
12        C 2016-11-01 02:35:00      NA  2
13        C 2016-11-01 04:35:00      NA  3

df$actual_time 30））+1）
客户端ID实际时间会话x2
1A 2016-11-01 00:00:00 11
2A 2016-11-01 00:05:00 1
3A 2016-11-01 00:35:01 2
4a 2016-11-01 00:40:00北美2
5A 2016-11-01 01:10:01 NA 3
6b 2016-11-01 01:00:00 11
7 B 2016-11-01 01:05:00 1 1
8 B 2016-11-01 01:30:00 11
9 B 2016-11-01 01:40:00 11
10B 2016-11-0101:50:00NA 1
11 C 2016-11-01 02:00:00北美1
12 C 2016-11-01 02:35:00北美2
13 C 2016-11-01 04:35:00北美3
我建议您使用split函数将dataframe分解为每个dataframe对应于相同clientId的dataframe列表，并使用Lappy在列表上迭代：

dat.split <- split(x = sample.data, f = as.factor(sample.data$clientId))
replace.nas <- lapply(dat.split, function(df) { 
                        # Fix the na problem here 
                        # return fixed dataframe})

dat.final <- do.call(rbind.data.frame, replace.nas)

dat.split您还应该尝试使用“is.na”和“which”函数查找NAs的行号：谢谢您提供的解决方案。即使它没有处理NA问题并直接重新计算列。它确实工作得很快。无论如何，我将使用此解决方案在新数据进入时重新计算会话列。
dat.split <- split(x = sample.data, f = as.factor(sample.data$clientId))
replace.nas <- lapply(dat.split, function(df) { 
                        # Fix the na problem here 
                        # return fixed dataframe})

dat.final <- do.call(rbind.data.frame, replace.nas)