如何解决获取网络R中友谊的时间长度
我有一个网络数据集，涉及7场以上的青少年友谊。我正在尝试确定给定双子的长度（定向友谊）。
样品有数据：
List<TReturn> GetReturnedItems<TReturn>(string jobId)
{
IMonitoringApi jobMonitoringApi = JobStorage.Current.GetMonitoringApi();
JobDetailsDto job = jobMonitoringApi.JobDetails(jobId);
string resultSerialized = job.History[0].Data["Result"];
List<TReturn> returnedItems = JsonConvert.DeserializeObject<List<TReturn>>(resultSerialized);
return returnedItems;
}
想要的数据：
ego alter wave
1 5 1
1 4 1
1 5 2
1 2 2
1 3 2
2 8 1
2 8 2
2 8 3
3 4 1
3 7 1
3 6 1
3 6 2
3 7 3
3 6 3
这是我已经尝试过的：
ego alter friendship_length
1 5 2
1 4 1
1 2 1
1 3 1
2 8 3
3 4 1
3 7 1
3 6 3
哪个给我这个：
edges_wide <- edges_long %>%
select(ego,alter,wave) %>%
group_by(ego,alter) %>%
mutate(col=seq_along(ego))%>% # add a column indicator
spread(key=col,value=wave)
从这里我不确定如何获得定向友谊的波幅（长度），包括不计算不连续的提名（例如自我3改变7）。
解决方法
应该有一个较短的解决方案。
如果我的理解正确，您只想计算随后发生的与alter和ego有关系的波浪的第一次出现。因此，我们可以使用row_number()添加一个组ID，针对有时波浪从min(wave)-1开始于1之后的事实进行调整，然后仅对wave和修改后的{{1 }。重合。对于给定的一对，一旦在数据中跳过一个波形，两个索引就会不同。
id 编辑
解决新评论。我们要计算连续的友谊关系最长的时间。 d %>%
arrange(wave) %>%
group_by(ego,alter) %>%
mutate(id = row_number() + min(wave) - 1) %>%
summarise(friendship_lenght = sum(wave==id))
# A tibble: 8 x 3
# Groups: ego [3]
ego alter friendship_lenght
<int> <int> <int>
1 1 2 1
2 1 3 1
3 1 4 1
4 1 5 2
5 2 8 3
6 3 4 1
7 3 6 3
8 3 7 1
可用于创建一对唯一的友谊阶段ID。连续的第一个波浪中的友谊都将被赋予相同的整数，以此类推。因此，我们可以计算每个单个整数出现的次数，并取最大值：
row_number()数据
dd %>%
arrange(wave) %>%
group_by(ego,alter) %>%
count(wave - row_number() ) %>%
summarise(friendship_lenght = max(n))
# A tibble: 9 x 3
# Groups: ego [3]
ego alter friendship_lenght
<int> <int> <dbl>
1 1 2 1
2 1 3 1
3 1 4 1
4 1 5 2
5 2 8 3
6 3 4 1
7 3 6 3
8 3 7 1
9 3 8 3
另一种可能性。
首先，让我们创建一个计算连续序列长度的函数：
get_seq_len <- function(s){
if(length(s) == 0) return(0)
if(length(s) == 1) return(1)
consec_lengths <- rle(c(1,s[-1] - s[-length(s)]))$lengths
return(consec_lengths[1])
}
我们可以验证它是否有效
get_seq_len(numeric(0))
#> 0
get_seq_len(1)
#> 1
get_seq_len(1:4)
#> 4
get_seq_len(c(1:4,4:5))
#> 4 (because not consecutive)
get_seq_len(c(1,3))
#> 1 (not consecutive)
然后，我们可以简单地使用嵌套为每对配对执行
edges_long %>%
group_by(ego,alter) %>%
nest() %>%
mutate(vec_waves = map(data,~ as.numeric(unlist(.x)))) %>% # convert dataframe to vector
mutate(len = map_dbl(vec_waves,get_seq_len))
# A tibble: 8 x 5
# Groups: ego,alter [8]
# ego alter data vec_waves len
# <dbl> <dbl> <list> <list> <dbl>
# 1 1 5 <tibble [2 x 1]> <dbl [2]> 2
# 2 1 4 <tibble [1 x 1]> <dbl [1]> 1
# 3 1 2 <tibble [1 x 1]> <dbl [1]> 1
# 4 1 3 <tibble [1 x 1]> <dbl [1]> 1
# 5 2 8 <tibble [3 x 1]> <dbl [3]> 3
# 6 3 4 <tibble [1 x 1]> <dbl [1]> 1
# 7 3 7 <tibble [2 x 1]> <dbl [2]> 1
# 8 3 6 <tibble [3 x 1]> <dbl [3]> 3
这可能是一种糟糕的方法，但这确实有效！
edges_wide <- edges_long %>%
select(ego,alter,wave) %>%
group_by(ego,alter) %>%
mutate(col=seq_along(ego))%>% # add a column indicator
spread(key=col,value=wave) %>%
rename(col1 = "1",col2 = "2",col3 = "3",col4 = "4",col5 = "5",col6 = "6",col7 = "7")
edges_wide <- edges_wide %>%
mutate(wave1 = case_when(col1 == 1 ~ 1,TRUE ~ as.numeric(0))) %>%
mutate(wave2 = case_when(col1 == 2 | col2 == 2 ~ 1,TRUE ~ as.numeric(0))) %>%
mutate(wave3 = case_when(col1 == 3 | col2 == 3 | col3 == 3 ~ 1,TRUE ~ as.numeric(0))) %>%
mutate(wave4 = case_when(col1 == 4 | col2 == 4 | col3 == 4 | col4 == 4 ~ 1,TRUE ~ as.numeric(0))) %>%
mutate(wave5 = case_when(col1 == 5 | col2 == 5 | col3 == 5 | col4 == 5 | col5 == 5 ~ 1,TRUE ~ as.numeric(0))) %>%
mutate(wave6 = case_when(col1 == 6 | col2 == 6 | col3 == 6 | col4 == 6 | col5 == 6 | col6 == 6 ~ 1,TRUE ~ as.numeric(0))) %>%
mutate(wave7 = case_when(col1 == 7 | col2 == 7 | col3 == 7 | col4 == 7 | col5 == 7 | col6 == 7 | col7 == 7 ~ 1,TRUE ~ as.numeric(0))) %>%
select(ego,wave1,wave2,wave3,wave4,wave5,wave6,wave7)
most_consecutive_val = function(x,val = 1) {
with(rle(x),if(all(values != val)) 0 else max(lengths[values == val]))
}
edges_wide$span <- apply(edges_wide[-c(1:2)],MARGIN = 1,most_consecutive_val)
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。