【问题标题】:Count if between date range based on groups计算是否在基于组的日期范围之间
【发布时间】:2018-10-13 17:57:54
【问题描述】:

我一直在尝试找到一种相对简单的方法来使用 R 按组对日期范围内的发生次数进行计数。我认为必须有一种比我正在尝试的方法更简单的方法。

我有 6,000 多个组,每个组中有 1 到 100 个 ID,每个组的开始日期和结束日期从 1990 年 1 月 1 日到今天。我想制作一个数据框,每列一组,每行一天,计算从 2013 年 4 月 1 日到 2018 年 3 月 31 日每天活动的 ID 数量。出于显而易见的原因,在 excel 中使用 countifs 不会减少它。

我试图使用this question 作为起点,例如:

df1 <- data.frame(group = c(1,1,2,3,3),
              id = c(1,2,1,1,2),
              startdate = c("2016-01-01","2016-04-04","2016-03-02","2016-08-01","2016-04-01"), 
              enddate = c("2016-04-04","2999-01-01","2016-05-02","2016-08-05","2999-01-01"))

report <- data.frame(date = seq(from = as.Date("2016-04-01"),by="1 day", length.out = 7))
report <- cbind(report,matrix(data=NA,nrow=7,ncol=3))
names(report) <- c('date',as.vector(unique(df1$group)))

daily <- function(i,...){
    report[,i+1] <- sapply(report$date, function(x)
    sum(as.Date(df1$startdate) < as.Date(x) &
        as.Date(df1$enddate) > as.Date(x) & 
       df1$group == unique(df1$group)[i]))
        }

for (i in unique(df1$group))
  daily(i)

但是,这似乎没有任何作用(也不会引发错误)。有没有更简单的方法来做到这一点?我离基地很远吗?对这个非程序员的任何帮助表示赞赏!

请求其他帮助:我正在尝试修改以下答案中的 Jaap 代码以包括组开始和组结束时间,以便在组不活动时数据表显示 NA。

示例数据:

df2 <- data.frame(group = c(1,1,2,3,3),
                  groupopendate = c("2016-04-02","2016-04-02","2016-04-01","2016-04-02","2016-04-02"),
                  groupclosedate = c("2016-04-08","2016-04-08","2016-04-10","2016-04-09","2016-04-09"),
                  id = c(1,2,1,1,2),
                  startdate = c("2016-04-02","2016-04-04","2016-04-03","2016-04-02","2016-04-05"), 
                  enddate = c("2016-04-04","2016-04-06","2016-04-10","2016-04-08","2016-04-08"))

Jaap 的解决方案给了我这个:

       active grp1 grp2 grp3
1: 2016-04-02    1    0    1
2: 2016-04-03    1    1    1
3: 2016-04-04    1    1    1
4: 2016-04-05    1    1    2
5: 2016-04-06    0    1    2
6: 2016-04-07    0    1    2

然而,我想要的是这样的:

        active grp1 grp2 grp3
1:  2016-04-01   NA    0   NA
2:  2016-04-02    1    0    1
3:  2016-04-03    1    1    1
4:  2016-04-04    1    1    1
5:  2016-04-05    1    1    1
6:  2016-04-06    1    1    2
7:  2016-04-07    0    1    2
8:  2016-04-08   NA    1    0
9:  2016-04-09   NA    1   NA
10: 2016-04-10   NA   NA   NA

感谢任何帮助!

【问题讨论】:

  • 仅供参考,您可以在下面发布自己的答案作为答案。这通常比将其编辑到问题中更可取
  • 我会这样做的,感谢您的提醒!

标签: r


【解决方案1】:

使用 的可能替代解决方案:

# load the package & convert 'df1' to a data.table
library(data.table)
setDT(df1)

# convert the date columns to a date format
# not needed if they are 
df1[, `:=` (startdate = as.Date(startdate), enddate = as.Date(enddate))]

# create a new data.table with the 'active' days
DT <- data.table(active = seq(from = as.Date("2016-04-01"), by = "day", length.out = 7))

# use a join and dcast to get the desired result
DT[df1
   , on = .(active > startdate, active < enddate)
   , allow = TRUE
   , nomatch = 0
   , .(active = x.active, group, id)
   ][, dcast(.SD, active ~ paste0("grp",group), value.var = "id", fun = length)]

给出:

       active grp1 grp2 grp3
1: 2016-04-01    1    1    0
2: 2016-04-02    1    1    1
3: 2016-04-03    1    1    1
4: 2016-04-04    0    1    1
5: 2016-04-05    1    1    1
6: 2016-04-06    1    1    1
7: 2016-04-07    1    1    1

注意:我在dcast 步骤中使用了paste0("grp",group) 而不仅仅是group,因为它会产生更好的列名(最好不要只使用数值作为列名)


关于您的附加示例,您可以按如下方式解决:

setDT(df2)

df2[, c(2:3,5:6) := lapply(.SD, as.Date), .SDcols = c(2:3,5:6)]

DT <- data.table(active = seq(from = min(df2$groupopendate),
                              to = max(df2$groupclosedate),
                              by = "day"))

df2new <- df2[, .(active = seq.Date(startdate, enddate, by = "day"))
              , by = .(group, id)
              ][, .N, by = .(group, active)
                ][df2[, .(active = seq.Date(groupopendate[1], groupclosedate[.N] - 1, by = "day"))
                      , by = .(group)]
                  , on = .(group, active)
                  ][is.na(N), N := 0
                    ][, dcast(.SD, active ~ paste0("grp",group))]

nms <- setdiff(names(df2new), "active")

DT[df2new
   , on = .(active)
   , (nms) := mget(paste0("i.",nms))][]

给出:

> DT
        active grp1 grp2 grp3
 1: 2016-04-01   NA    0   NA
 2: 2016-04-02    1    0    1
 3: 2016-04-03    1    1    1
 4: 2016-04-04    2    1    1
 5: 2016-04-05    1    1    2
 6: 2016-04-06    1    1    2
 7: 2016-04-07    0    1    2
 8: 2016-04-08   NA    1    2
 9: 2016-04-09   NA    1   NA
10: 2016-04-10   NA    1   NA

【讨论】:

  • 这是一个很好的解决方案!它比使用 for 循环快很多。谢谢!
  • 我的组也开始和结束在不同的时间(grpstart 和 grpend 是示例日期变量)。是否有办法修改上述代码,以便在组不活动时给出 NA 值,而在组处于活动状态但没有观察日期时保持 0 值?我已经搞砸了几天,但没有运气。
  • @A.Mullins 今天晚些时候会尝试查看它。您能否在您描述的情况的问题中包含示例数据?
  • 我在问题中添加了一些示例数据。再次感谢您的所有帮助!
  • 完美!太感谢了!现在我在学习 data.table 包时还有更多事情要做。
【解决方案2】:

我想通了!像往常一样,只要你发布一个问题,你就会找出答案。当我可以将 sapply 放入 for 循环时,我通过放入函数使其过于复杂。

如果有人感兴趣:

for (i in unique(df1$group))
  {report[,i+1] <- 
  sapply(report$date, function(x)
      sum(as.Date(df1$startdate) < as.Date(x) &
      as.Date(df1$enddate) > as.Date(x) & 
      df1$group == unique(df1$group)[i]))}

【讨论】:

    猜你喜欢
    • 2020-07-31
    • 1970-01-01
    • 1970-01-01
    • 2019-02-14
    • 1970-01-01
    • 2023-01-19
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多