如何使用 dplyr 确定在指定天数内发生的事件数？

Question

我有一个包含三列的小标题：

1. runner - 代表跑步者姓名的字符串
2. race - 表示比赛次数的数值
3. date - 比赛日期

我想添加第四列 last45d，它表示与当前行日期相比，过去 45 天内进行的比赛的数量。我的代表包括样本数据和我尝试生成新行（我得到所有 NA）。

代表：

library(tidyverse)
library(lubridate)
library(reprex)

df<-tibble(runner=c("D.Wottle","D.Wottle","D.Wottle","D.Wottle","D.Wottle","D.Wottle","C.Hottle","C.Hottle","C.Hottle","C.Hottle","C.Hottle","C.Hottle","JJ.Watt","JJ.Watt","JJ.Watt","JJ.Watt","JJ.Watt","JJ.Watt"),
           race=c(6,5,4,3,2,1,6,5,4,3,2,1,6,5,4,3,2,1),
           date=c(ymd('20170625'),ymd('20170524'),ymd('20170420'),ymd('20170329'),ymd('20170308'),ymd('20170215'),ymd('20170625'),ymd('20170524'),ymd('20170410'),ymd('20170329'),ymd('20170304'),ymd('20170215'),ymd('20170615'),ymd('20170524'),ymd('20170428'),ymd('20170329'),ymd('20170301'),ymd('20170225')),
           surface=c('T','T','D','T','D','T','T','T','D','T','D','T','T','T','D','T','D','T'),
           distance=c(1400,1400,1600,1400,1500,1400,1400,1400,1600,1400,1500,1400,1400,1400,1600,1400,1500,1400),
           finish=c(1,2,2,1,2,3,2,3,3,2,1,1,3,1,1,3,3,2)

           )

df <- df %>% 
  group_by(runner) %>% 
  mutate(last45 = map_int(date, ~ sum(between(as.numeric(difftime(.x, date, units = "days")), 1e-9, 90)))) %>%
  ungroup()
df
#> # A tibble: 18 x 7
#>    runner    race date       surface distance finish last45
#>    <chr>    <dbl> <date>     <chr>      <dbl>  <dbl>  <int>
#>  1 D.Wottle     6 2017-06-25 T           1400      1      3
#>  2 D.Wottle     5 2017-05-24 T           1400      2      3
#>  3 D.Wottle     4 2017-04-20 D           1600      2      3
#>  4 D.Wottle     3 2017-03-29 T           1400      1      2
#>  5 D.Wottle     2 2017-03-08 D           1500      2      1
#>  6 D.Wottle     1 2017-02-15 T           1400      3      0
#>  7 C.Hottle     6 2017-06-25 T           1400      2      3
#>  8 C.Hottle     5 2017-05-24 T           1400      3      3
#>  9 C.Hottle     4 2017-04-10 D           1600      3      3
#> 10 C.Hottle     3 2017-03-29 T           1400      2      2
#> 11 C.Hottle     2 2017-03-04 D           1500      1      1
#> 12 C.Hottle     1 2017-02-15 T           1400      1      0
#> 13 JJ.Watt      6 2017-06-15 T           1400      3      3
#> 14 JJ.Watt      5 2017-05-24 T           1400      1      4
#> 15 JJ.Watt      4 2017-04-28 D           1600      1      3
#> 16 JJ.Watt      3 2017-03-29 T           1400      3      2
#> 17 JJ.Watt      2 2017-03-01 D           1500      3      1
#> 18 JJ.Watt      1 2017-02-25 T           1400      2      0

^{由reprex package (v0.3.0) 于 2020 年 5 月 13 日创建}

这就是我希望最终结果的样子：

Answer 1

df %>%
  group_by(runner) %>%
  mutate(
    last45 = map_int(date, ~ sum(between(as.numeric(difftime(.x, date, units = "days")), 1e-9, 45)))
    #                ^^^^1                                       ^^^^2
  ) %>%
  ungroup()
# # A tibble: 6 x 4
#   runner    race date       last45
#   <chr>    <dbl> <date>      <int>
# 1 D.Wottle     6 2017-06-25      1
# 2 D.Wottle     5 2017-05-24      1
# 3 D.Wottle     4 2017-04-20      2
# 4 D.Wottle     3 2017-03-29      2
# 5 D.Wottle     2 2017-03-08      1
# 6 D.Wottle     1 2017-02-15      0

注意事项：

• date 的两个引用是不同的：“1”（在波浪号函数之外）一次转换为 .x，因此 .x 将始终是一个日期； “2”（在波浪号函数内）是日期的原始列，因此将具有与当前运行器行数一样多的值；和

• 我使用1e-9，因为如果我使用0，则始终考虑当前日期；通过使用1e-9（或一些同样小的数字），我们得到有效的(lower,upper] 边界，而不是dplyr::between 默认的[lower,upper]（两边都关闭）。