Início / coding / Perguntas / 78426228
Accepted
Chris Ruehlemann
Asked: 2024-05-04 01:45:47 +0800 CST

Insira uma nova linha indicando o intervalo de tempo entre as linhas

  • 772

Estou trabalhando com transcrições de fala:

  Utterance                       Starttime_ms Endtime_ms
  <chr>                                  <dbl>      <dbl>
1 on this                                  210        780
2 okay                                    3403       3728
3 cool thanks everyone um                 4221       5880
4 so yes in terms of our projects         5910      11960
5 let's have a look so the               11980      13740
6 LGBTQ plus                             13813      16110

e gostaria de inserir após cada Utteranceuma nova linha indicando o intervalo de tempo em relação ao anterior Utterance. A saída desejada seria mais ou menos assim:

  Utterance                       Starttime_ms Endtime_ms
  <chr>                                  <dbl>      <dbl>
1 on this                                  210        780
  NA                                       780       3403
2 okay                                    3403       3728
  NA                                      3728       4221
3 cool thanks everyone um                 4221       5880
  NA                                      5880       5910
4 so yes in terms of our projects         5910      11960
  NA                                     11960      11980
5 let's have a look so the               11980      13740
  NA                                     13740      13813
6 LGBTQ plus                             13813      16110

Eu sei como fazer isso em data.table:

library(data.table)
unq <- c(0, sort(unique(setDT(df)[, c(Starttime_ms, Endtime_ms)])))
df <- df[.(unq[-length(unq)], unq[-1]), on=c("Starttime_ms", "Endtime_ms")]

Mas estou procurando uma dplyrsolução.

Dados:

df <-   structure(list(Utterance = c("on this", "okay", "cool thanks everyone um", 
                                     "so yes in terms of our projects", 
                                     "let's have a look so the", "LGBTQ plus"), Starttime_ms = c(210, 
                                                                                                 3403, 4221, 5910, 11980, 13813), Endtime_ms = c(780, 3728, 5880, 
                                                                                                                                                 11960, 13740, 16110)), row.names = c(NA, -6L), class = c("tbl_df", 
                                                                                                                                                                                                          "tbl", "data.frame"))

5 respostas

  1. library(dplyr)

df |>
  mutate(Utterance = NA, 
         local(data.frame(Starttime_ms = lag(Endtime_ms), Endtime_ms = Starttime_ms))) |>
  filter(!is.na(Starttime_ms)) |>
  bind_rows(df) |>
  arrange(Starttime_ms)

    Eu uso local()aqui para criar um ambiente de execução local Starttime_mse Endtime_mssubstituir um ao outro se você fizer isso:

     mutate(Utterance = NA, 
         Starttime_ms = lag(Endtime_ms), 
         Endtime_ms = Starttime_ms)

    e em vez de gerar um único valor, retorno um quadro de dados que aproveita o fato de que as mutate()reticências ...podem usar um quadro de dados ou tibble para criar várias colunas na saída.

    Saída

       Utterance                       Starttime_ms Endtime_ms
   <chr>                                  <dbl>      <dbl>
 1 on this                                  210        780
 2 NA                                       780       3403
 3 okay                                    3403       3728
 4 NA                                      3728       4221
 5 cool thanks everyone um                 4221       5880
 6 NA                                      5880       5910
 7 so yes in terms of our projects         5910      11960
 8 NA                                     11960      11980
 9 let's have a look so the               11980      13740
10 NA                                     13740      13813
11 LGBTQ plus                             13813      16110
    • 3

  2. Não é elegante em particular, mas é dplyrum:

    my_df %>% 
  pivot_longer(ends_with("ms"), values_to = "Starttime_ms") %>% 
  mutate(
    Endtime_ms = dplyr::lead(Starttime_ms, default = NA),
    Utterance = if_else(row_number() %% 2 == 0, NA_character_, Utterance)) %>% 
  slice_head(n = -1)

    Saída:

    # A tibble: 11 × 4
   Utterance                       name         Starttime_ms Endtime_ms
   <chr>                           <chr>               <dbl>      <dbl>
 1 on this                         Starttime_ms          210        780
 2 NA                              Endtime_ms            780       3403
 3 okay                            Starttime_ms         3403       3728
 4 NA                              Endtime_ms           3728       4221
 5 cool thanks everyone um         Starttime_ms         4221       5880
 6 NA                              Endtime_ms           5880       5910
 7 so yes in terms of our projects Starttime_ms         5910      11960
 8 NA                              Endtime_ms          11960      11980
 9 let's have a look so the        Starttime_ms        11980      13740
10 NA                              Endtime_ms          13740      13813
11 LGBTQ plus                      Starttime_ms        13813      16110
    • 3

  3. Uma abordagem usandouncount

    library(dplyr)
library(tidyr)

df %>% 
  mutate(count = 2) %>% 
  uncount(count) %>% 
  mutate(Starttime_ms = if_else(n() == row_number(), lag(Endtime_ms), Starttime_ms), 
         Utterance = if_else(n() == row_number(), NA, Utterance), .by = Utterance) %>% 
  mutate(Endtime_ms = lead(Starttime_ms)) %>% 
  filter(!is.na(Endtime_ms))
# A tibble: 11 × 3
   Utterance                       Starttime_ms Endtime_ms
   <chr>                                  <dbl>      <dbl>
 1 on this                                  210        780
 2 NA                                       780       3403
 3 okay                                    3403       3728
 4 NA                                      3728       4221
 5 cool thanks everyone um                 4221       5880
 6 NA                                      5880       5910
 7 so yes in terms of our projects         5910      11960
 8 NA                                     11960      11980
 9 let's have a look so the               11980      13740
10 NA                                     13740      13813
11 LGBTQ plus                             13813      16110
    • 3
  4. Best Answer

    Você pode tentar o código abaixo

    df %>%
   pivot_longer(-Utterance, values_to = "Starttime_ms") %>%
   mutate(Endtime_ms = lead(Starttime_ms)) %>%
   drop_na() %>%
   select(-name) %>%
   mutate(Utterance = replace(Utterance, !row_number() %% 2, NA_character_))

    que dá

    # A tibble: 11 × 3
   Utterance                       Starttime_ms Endtime_ms
   <chr>                                  <dbl>      <dbl>
 1 on this                                  210        780
 2 NA                                       780       3403
 3 okay                                    3403       3728
 4 NA                                      3728       4221
 5 cool thanks everyone um                 4221       5880
 6 NA                                      5880       5910
 7 so yes in terms of our projects         5910      11960
 8 NA                                     11960      11980
 9 let's have a look so the               11980      13740
10 NA                                     13740      13813
11 LGBTQ plus                             13813      16110
    • 3

  5. Aqui está uma dplyrsolução simples. Observe que a maioria dos elementos que usei também foram mencionados pelos colegas anteriormente!

    library(dplyr)

df %>% 
    slice(rep(1:n(), each=2)) %>% 
    mutate(Starttime_ms = ifelse(!row_number() %% 2, Endtime_ms, Starttime_ms),
           Endtime_ms = lead(Starttime_ms), 
    ) %>%
    slice(-n()) %>% 
    mutate(Utterance = ifelse(row_number() %% 2, NA_character_, Utterance))

    Algumas referências: insira a descrição da imagem aqui

    library(dplyr)
library(tidyr)
library(microbenchmark)

thomas <- function() {
  df |>
    pivot_longer(-Utterance, values_to = "Starttime_ms") %>%
    mutate(Endtime_ms = lead(Starttime_ms)) %>%
    drop_na() %>%
    select(-name) %>%
    mutate(Utterance = replace(Utterance, !row_number() %% 2, NA_character_))
}

adriano <- function(){
  df %>% 
    pivot_longer(ends_with("ms"), values_to = "Starttime_ms") %>% 
    mutate(
      Endtime_ms = dplyr::lead(Starttime_ms, default = NA),
      Utterance = if_else(row_number() %% 2 == 0, NA_character_, Utterance)) %>% 
    slice_head(n = -1)
}

lmc <- function(){
  df |>
    mutate(Utterance = NA, 
           local(data.frame(Starttime_ms = lag(Endtime_ms), Endtime_ms = Starttime_ms))) |>
    filter(!is.na(Starttime_ms)) |>
    bind_rows(df) |>
    arrange(Starttime_ms)
}

andre <- function(){
  df %>% 
    mutate(count = 2) %>% 
    uncount(count) %>% 
    mutate(Starttime_ms = if_else(n() == row_number(), lag(Endtime_ms), Starttime_ms), 
           Utterance = if_else(n() == row_number(), NA, Utterance), .by = Utterance) %>% 
    mutate(Endtime_ms = lead(Starttime_ms)) %>% 
    filter(!is.na(Endtime_ms))
}

tarjae <- function() {
  df %>% 
    slice(rep(1:n(), each=2)) %>% 
    mutate(Starttime_ms = ifelse(!row_number() %% 2, Endtime_ms, Starttime_ms),
           Endtime_ms = lead(Starttime_ms), 
    ) %>%
    slice(-n()) %>% 
    mutate(Utterance = ifelse(row_number() %% 2, NA_character_, Utterance))
}

# benchmark

mbm = microbenchmark(
  thomas = thomas_operation(),
  adriano = adriano(),
  lmc = lmc(),
  andre = andre(),
  tarjae = tarjae(),
  times = 100
)
autoplot(mbm)
print(mbm)
    • 1

relate perguntas