分析R中重复序列中事件之间的时差

我有一个按日期时间排序的

数据表，如下所示，我想分析ID=1和ID的2到5之间的时间差，由状态和状态的重复序列分隔

structure(list(DateTime = structure(c(1533081601.42, 1533081601.98, 
                                      1533081601.98, 1533081601.98, 1533081602.02, 1533081928.06, 1533081928.22, 
                                      1533081928.22, 1533081928.22, 1533081928.22, 1533081952.34, 1533081952.94, 
                                      1533081952.94, 1533081952.94, 1533081952.98, 1533081953.98, 1533081954.14, 
                                      1533081954.14, 1533081954.14, 1533081954.14), class = c("POSIXct", 
                                                                                              "POSIXt"), tzone = "UTC"), ID = c(1, 3, 4, 5, 2, 1, 2, 3, 4, 
                                                                                                                                5, 1, 3, 4, 5, 2, 1, 2, 3, 4, 5), state = c(0L, 0L, 0L, 0L, 0L, 
                                                                                                                                                                            1L, 1L, 1L, 1L, 1L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L, 1L)), class = c("data.table", 
                                                                                                                                                                                                                                                    "data.frame"))

ID 1始终是序列中的第一个，但ID 1之后的ID 2-5的顺序正在更改。状态序列只是0和1的重复

对于具有相同状态（1或0）的IDs1到5的每次运行，我希望获得ID1和其他ID之间的时间差

首选
data.table（）
方法，但欢迎任何建议
 使用原始表格副本的解决方案：

dt<-
structure(list(DateTime = structure(c(1533081601.42, 1533081601.98, 
                                      1533081601.98, 1533081601.98, 1533081602.02, 1533081928.06, 1533081928.22, 
                                      1533081928.22, 1533081928.22, 1533081928.22, 1533081952.34, 1533081952.94, 
                                      1533081952.94, 1533081952.94, 1533081952.98, 1533081953.98, 1533081954.14, 
                                      1533081954.14, 1533081954.14, 1533081954.14), class = c("POSIXct", 
                                                                                              "POSIXt"), tzone = "UTC"), ID = c(1, 3, 4, 5, 2, 1, 2, 3, 4, 
                                                                                                                                5, 1, 3, 4, 5, 2, 1, 2, 3, 4, 5), state = c(0L, 0L, 0L, 0L, 0L, 
                                                                                                                                                                            1L, 1L, 1L, 1L, 1L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L, 1L)), class = c("data.table", 
                                                                                                                                                                                                                                                    "data.frame"))

setorder(dt,ID,DateTime)
dt[,run:=1:.N,by=ID]
dt2 = copy(dt)
dt3 = merge(dt[ID==1],dt2,by=c("state","run"),allow.cartesian=T)
dt3[,timediff:=DateTime.y -DateTime.x]
dt4 = dt3[ID.x==1 & ID.y %in% c(2:5)]
setnames(dt4,c("DateTime.y","ID.y"),c("DateTime","ID"))
result = merge(dt,dt4[,list(DateTime,ID,state,run,timediff)],by=c("DateTime","ID","state","run"),all.x=T)

dt使用原始表格副本的解决方案：

dt<-
structure(list(DateTime = structure(c(1533081601.42, 1533081601.98, 
                                      1533081601.98, 1533081601.98, 1533081602.02, 1533081928.06, 1533081928.22, 
                                      1533081928.22, 1533081928.22, 1533081928.22, 1533081952.34, 1533081952.94, 
                                      1533081952.94, 1533081952.94, 1533081952.98, 1533081953.98, 1533081954.14, 
                                      1533081954.14, 1533081954.14, 1533081954.14), class = c("POSIXct", 
                                                                                              "POSIXt"), tzone = "UTC"), ID = c(1, 3, 4, 5, 2, 1, 2, 3, 4, 
                                                                                                                                5, 1, 3, 4, 5, 2, 1, 2, 3, 4, 5), state = c(0L, 0L, 0L, 0L, 0L, 
                                                                                                                                                                            1L, 1L, 1L, 1L, 1L, 0L, 0L, 0L, 0L, 0L, 1L, 1L, 1L, 1L, 1L)), class = c("data.table", 
                                                                                                                                                                                                                                                    "data.frame"))

setorder(dt,ID,DateTime)
dt[,run:=1:.N,by=ID]
dt2 = copy(dt)
dt3 = merge(dt[ID==1],dt2,by=c("state","run"),allow.cartesian=T)
dt3[,timediff:=DateTime.y -DateTime.x]
dt4 = dt3[ID.x==1 & ID.y %in% c(2:5)]
setnames(dt4,c("DateTime.y","ID.y"),c("DateTime","ID"))
result = merge(dt,dt4[,list(DateTime,ID,state,run,timediff)],by=c("DateTime","ID","state","run"),all.x=T)

dt假设数据的顺序正确

library(data.table)
df[, time_diff := round(DateTime - first(DateTime), 3L), by = cumsum(ID == 1)][]

会回来的

分组变量是通过
by=cumsum（ID==1）
动态创建的，因此每当遇到ID1时，它都会被提升。然后，通过引用创建一个新列，即不复制整个数据对象

由于每个组都以ID1开头，我们可以安全地使用
first（DateTime）
而不是
DateTime[ID==1]
从而避免了另一个查找操作。
假设数据的顺序正确

library(data.table)
df[, time_diff := round(DateTime - first(DateTime), 3L), by = cumsum(ID == 1)][]

会回来的

分组变量是通过
by=cumsum（ID==1）
动态创建的，因此每当遇到ID1时，它都会被提升。然后，通过引用创建一个新列，即不复制整个数据对象

由于每个组都以ID1开头，我们可以安全地使用
first（DateTime）
而不是
DateTime[ID==1]
从而避免了另一个查找操作。
是保证从ID1到下一个ID1的每次运行都具有相同的状态，还是要求它们具有相同的状态？确切地说，从ID 1到下一个ID 1的每次运行都具有相同的状态。是保证从ID 1到下一个ID 1的每次运行都具有相同的状态，还是要求它们具有相同的状态？确切地说，从ID 1到下一个ID 1的每次运行都具有相同的状态。工作完美且快速！我的第一种方法是使用rle（）获得分组，但这是一种更高级的方法。非常感谢。事实上，我打算提出一种替代方法，使用
rleid（state）
进行分组。但是，如果有两个后续组具有相同的状态，那么这可能会失败。根据问题描述，查找ID1的出现似乎更安全。是的，状态是一个额外信息。不过，我还需要考虑那里的问题，但这是在数据清洗过程中发生之前，来到这个问题！再次感谢你+答案为1（有一个非常相似的答案，因此将其删除）；我之所以写这篇文章，是因为我认为
rleid
不仅会导致问题，而且速度也可能较慢，所以除非真的需要
cumsum
在我看来是不应该被避免的。工作完美且快速！我的第一种方法是使用rle（）获得分组，但这是一种更高级的方法。非常感谢。事实上，我打算提出一种替代方法，使用
rleid（state）
进行分组。但是，如果有两个后续组具有相同的状态，那么这可能会失败。根据问题描述，查找ID1的出现似乎更安全。是的，状态是一个额外信息。不过，我还需要考虑那里的问题，但这是在数据清洗过程中发生之前，来到这个问题！再次感谢你+答案为1（有一个非常相似的答案，因此将其删除）；我之所以写这篇文章，是因为我认为
rleid
不仅会导致问题，而且速度也可能较慢，所以除非真的需要
cumsum
，否则在我看来不应该避免。这也行得通，但正如你提到的，我的数据集非常庞大（机器日志数据）。但感谢您发布解决方案！这同样有效，但正如您提到的，我的数据集非常庞大（机器日志数据）。但感谢您发布解决方案！