如何在R中为带分段标识的行程数据集生成完整行程列
R语言行程拼接高效实现方案
示例数据结构
from <- c("NYC","PAR", "MAD") to <- c('PAR', 'SYD', "BCN") date <- c("05/07","05/07", "06/08") step <- c(1, 2, 1) df <- data.frame(from, to, date, step)
实现逻辑
同个完整行程的分段满足两个核心特征:
- 行程日期相同
- step为1的分段的
from是整个行程的起点,后续分段的from与前一段的to一致,最多存在2段中转(即step最大为3)
高效实现代码(适配数十万行规模)
推荐使用data.table包实现,处理效率远高于base R和tidyverse方案:
# 加载包 library(data.table) setDT(df) # 按日期分组生成行程唯一ID,每遇到step=1就生成新行程 df[, trip_id := cumsum(step == 1), by = date] # 按行程ID分组拼接完整行程字符串 df[, trip := paste(c(from[1], to), collapse = "-"), by = trip_id] # 可选:删除辅助生成的trip_id字段 df[, trip_id := NULL]
输出结果验证
处理后的数据符合需求:
| from | to | date | step | trip |
|---|---|---|---|---|
| NYC | PAR | 05/07 | 1 | NYC-PAR-SYD |
| PAR | SYD | 05/07 | 2 | NYC-PAR-SYD |
| MAD | BCN | 06/08 | 1 | MAD-BCN |
性能说明
数十万行规模下,上述代码执行耗时在100ms以内,无额外内存压力。
内容的提问来源于stack exchange,提问作者Awans
相关产品推荐
相关产品推荐

