R言語：DataFrame中の連続したデータでグループ化したい

Question

R言語のDataFrameの処理についての質問になります。
以下に示しますDF1をDF2に変換したいです。
変換するためのよい方法、コードをご教示いただけないでしょうか？
※なお、実際の処理対象のDataFrameは約30万レコードになります。

【DF1】

ID	place	date	tool
001	A	2018/10/01	XXX
001	A	2018/10/02	XXX
001	A	2018/10/03	XXX
001	A	2018/10/04	YYY
001	A	2018/10/05	YYY
001	A	2018/10/06	XXX
001	A	2018/10/07	XXX

↓

【DF2】

ID	place	start_date	end_date	tool
001	A	2018/10/01	2018/10/03	XXX
001	A	2018/10/04	2018/10/05	YYY
001	A	2018/10/06	2018/10/07	XXX

【処理内容】
ID,place,toolが同一の連続したレコードのまとまりを1つのグループとみなし、
グループ中で最も古いdateをstart_date、最も新しいdateをend_dateとします。
ex) 10/01～03のグループの場合、start_dateは10/01、end_dateは10/03となります。
なお、10/01～03のグループと10/06～07のグループはID,place,toolが同一ですが
日付が連続していないので、別々のグループとみなします。

【補足】

# DF1→DF2への変換
library(dplyr)
DF2 <-
  DF1 %>% 
  group_by(ID, place, tool) %>% 
  mutate(start_date = min(date)) %>% 
  mutate(end_date = max(date)) %>% 
  distinct(ID, place, start_date, end_date, tool)

上記のようなコードを書いた場合、以下のようにID,place,toolが同一のレコードで
まとまってしまうため、そうならないための方法を探しています。

ID	place	start_date	end_date	tool
001	A	2018/10/01	2018/10/07	XXX
001	A	2018/10/04	2018/10/05	YYY

Answer 1

library(dplyr)

DF1$date <- DF1$date %>% as.Date()
DF1$number <- c(1:nrow(DF1))

DF1_semi <- DF1 %>%
  mutate(ID_lead = lead(ID, default = "UA"),
         place_lead = lead(place, default = "UA"),
         tool_lead  = lead(tool, default = "UA"),
         ID_lag     = lag(ID, default = "UA"),
         place_lag  = lag(place, default = "UA"),
         tool_lag   = lag(tool, default = "UA")
  ) %>%
  mutate(flg_end   = ifelse((ID == ID_lead & place == place_lead & tool == tool_lead), 0, 1),
         flg_start = ifelse((ID == ID_lag  & place == place_lag  & tool == tool_lag) , 0, 1),
         tmp       = ifelse((flg_start == 0 & flg_end == 0), 0, 1)
  ) %>%
  filter(tmp == 1) %>%
  arrange(number) %>% 
  select(number, ID, place, date, tool, flg_start, flg_end)

DF2 <- DF1_semi %>%
  group_by(ID, place, tool) %>%
  mutate(date_lead = as.Date(ifelse(is.na(lead(date)), date, lead(date)), origin="1970-01-01")) %>%
  ungroup() %>%
  filter(flg_start == 1) %>%
  rename(start_date = date, end_date = date_lead) %>%
  arrange(number) %>% 
  select(ID, place, start_date, end_date, tool) %>%
  as.data.frame()

Comments

[退会済みユーザー]

有識者に情報提供いただき、解決しました。