根据条件有效计算文件中字符串的出现次数

Question

我的目标是以有效的方式根据条件计算文件中字符串的出现次数.

我在输入csv文件中有大约45k条记录.我需要全部读取它们并创建一个新文件,该文件描述特定持续时间内原始文件中字符串的出现次数.

输入文件:

Timestamp              Field
7/13/2013 10:30         ABC
7/13/2013 11:30         ABC
7/13/2013 10:34         ABC    
7/13/2013 10:15         CDE
7/13/2013 10:00         ABC
7/13/2013 10:14         CDE
7/13/2013 12:30         ABC
7/13/2013 00:30         ABC
7/13/2013 07:30         CDE

主要目标是计算特定时间段内的字段出现次数.

我期待的输出是:

Slots                           ABC                      CDE
7/13/2013 00:01-03:00            1                        0
7/13/2013 03:01-06:00            0                        0    
7/13/2013 06:01-09:00            0                        1
7/13/2013 09:01-12:00            4                        2
7/13/2013 12:01-15:00            1                        0    
7/13/2013 15:01-18:00            0                        0
7/13/2013 18:01-21:00            0                        0
7/13/2013 21:01-24:00            0                        0

我写了一个蛮力代码来完成我的工作,但需要很长的时间才能完成.我正在寻找一个有效的代码来完成这项任务.

我有一个单独的数据框,包含时间段(day_hour)和字段名称(field_data).我的强力方法是使用两个for循环来搜索两个数据帧的所有记录并相应地计算出现次数.

如果我可以使用table()在这种情况下可以提供帮助的功能,请指导我.

Answer 1

我首先将"Timestamp"转换为实际时间对象,然后cut用来创建三个小时的间隔,并用于table获取您正在寻找的输出:

mydf$Times <- strptime(mydf$Timestamp, "%m/%d/%Y %H:%M")
mydf$Breaks <- cut(mydf$Times, "3 hours")
table(mydf$Breaks, mydf$Field)
#                      
#                       ABC CDE
#   2013-07-13 00:00:00   1   0
#   2013-07-13 03:00:00   0   0
#   2013-07-13 06:00:00   0   1
#   2013-07-13 09:00:00   4   2
#   2013-07-13 12:00:00   1   0

以下是一些示例数据:

mydf <- structure(list(Timestamp = c("7/13/2013 10:30", "7/13/2013 11:30", 
    "7/13/2013 10:34", "7/13/2013 10:15", "7/13/2013 10:00", "7/13/2013 10:14", 
    "7/13/2013 12:30", "7/13/2013 00:30", "7/13/2013 07:30"), 
    Field = c("ABC", "ABC", "ABC", "CDE", "ABC", "CDE", "ABC", "ABC", "CDE")), 
    .Names = c("Timestamp", "Field"), 
    class = "data.frame", row.names = c(NA, -9L))

您还可以使用"data.table"(至少版本1.8.11+)并使用dcast.data.table.步骤区域或多或少相同.

library(data.table)
library(reshape2)
packageVersion("data.table")
# [1] ‘1.8.11’

DT <- data.table(mydf)
DT[, Times := as.POSIXct(strptime(Timestamp, "%m/%d/%Y %H:%M"))]
DT[, Grps := cut(Times, "3 hours")]
dcast.data.table(DT, Grps ~ Field, value.var="Field")
# 'Aggregate function missing, defaulting to 'length'
#                   Grps ABC CDE
# 1: 2013-07-13 00:00:00   1   0
# 2: 2013-07-13 06:00:00   0   1
# 3: 2013-07-13 09:00:00   4   2
# 4: 2013-07-13 12:00:00   1   0