如何查找数据框中每个组的日期范围答案

【问题标题】：How to find the range of dates for each group in a dataframe如何查找数据框中每个组的日期范围
【发布时间】：2020-12-17 18:20:54
【问题描述】：

考虑这个数据框：

data <- data.frame(group = rep(letters[1:3], c(4,5,4)),
                Date = as.Date(c("2010-08-09", "2010-09-11", "2010-09-12", "2010-09-18",
                                 "2014-03-15","2014-03-16","2014-03-20","2014-03-21","2014-03-25",
                                 "2016-05-02","2016-08-02","2016-08-03","2016-09-21")))

我们有三个小组，他们在不同的日期进行了观察。我想找到每个组的第一个和最后一个日期（最好使用dplyr）。日期如何做到这一点？

编辑：我添加这个是为了澄清我询问的原因，这与 R 解释实时（日期）的能力有关。 data2 将与上面的 data 完全相同，但请注意我切换了前两个日期，因此 group==a 的观察不再按实际时间顺序排列（从最早到最新，相对于实时):

data2 <- data.frame(group = rep(letters[1:3], c(4,5,4)),
                Date = as.Date(c("2010-09-11","2010-08-09", "2010-09-12", "2010-09-18",
                                 "2014-03-15","2014-03-16","2014-03-20","2014-03-21","2014-03-25",
                                 "2016-05-02","2016-08-02","2016-08-03","2016-09-21")))

因此，2010 年 9 月 11 日在 2010 年 8 月 9 日（实时）之后，但它们在数据框中的时间顺序不同。现在如果我们这样做：

library(dplyr)
data2%>%group_by(group) %>% summarise(FirsDate=first(Date),LastDate=last(Date))

我们得到：

  group FirsDate   LastDate  
  <fct> <date>     <date>    
1 a     2010-09-11 2010-09-18
2 b     2014-03-15 2014-03-25
3 c     2016-05-02 2016-09-21

所以它返回了第一个和最后一个观察结果，而不是真正的时间顺序。

【问题讨论】：

标签： r date dplyr summarize

【解决方案1】：

我建议使用dplyr 包中的first() 和last() 函数：

library(dplyr)
#Data
data <- data.frame(group = rep(letters[1:3], c(4,5,4)),
                   Date = as.Date(c("2010-08-09", "2010-09-11", "2010-09-12", "2010-09-18",
                                    "2014-03-15","2014-03-16","2014-03-20","2014-03-21","2014-03-25",
                                    "2016-05-02","2016-08-02","2016-08-03","2016-09-21")))
#Code
data %>% group_by(group) %>% mutate(FirsDate=first(Date),LastDate=last(Date))

输出：

# A tibble: 13 x 4
# Groups:   group [3]
   group Date       FirsDate   LastDate  
   <fct> <date>     <date>     <date>    
 1 a     2010-08-09 2010-08-09 2010-09-18
 2 a     2010-09-11 2010-08-09 2010-09-18
 3 a     2010-09-12 2010-08-09 2010-09-18
 4 a     2010-09-18 2010-08-09 2010-09-18
 5 b     2014-03-15 2014-03-15 2014-03-25
 6 b     2014-03-16 2014-03-15 2014-03-25
 7 b     2014-03-20 2014-03-15 2014-03-25
 8 b     2014-03-21 2014-03-15 2014-03-25
 9 b     2014-03-25 2014-03-15 2014-03-25
10 c     2016-05-02 2016-05-02 2016-09-21
11 c     2016-08-02 2016-05-02 2016-09-21
12 c     2016-08-03 2016-05-02 2016-09-21
13 c     2016-09-21 2016-05-02 2016-09-21

如果您只想要每个组的变量，您可以使用summarise()：

#Code2
data %>% group_by(group) %>% summarise(FirsDate=first(Date),LastDate=last(Date))

输出：

# A tibble: 3 x 3
  group FirsDate   LastDate  
  <fct> <date>     <date>    
1 a     2010-08-09 2010-09-18
2 b     2014-03-15 2014-03-25
3 c     2016-05-02 2016-09-21

更新：

#Code
data2 %>% group_by(group) %>% summarise(FirsDate=min(Date),LastDate=max(Date))

输出：

# A tibble: 3 x 3
  group FirsDate   LastDate  
  <fct> <date>     <date>    
1 a     2010-08-09 2010-09-18
2 b     2014-03-15 2014-03-25
3 c     2016-05-02 2016-09-21

【讨论】：

所以如果我理解正确，只要数据是班级日期，R 已经知道如何正确按日期排序。它是否正确？很明显，如果您按group 分组，并找到第一个和最后一个观察值，它们也会有第一个和最后一个Date，按实际时间顺序，因为这是我碰巧创建它们的方式。但是，如果您将其应用于观察可能不是“真实”时间顺序的数据帧，R 是否仍然知道找到与实时相关的第一个和最后一个（即最早和最新）Date？
@Ryan 是的，你是对的！你只需要你的变量是上课日期。
我实际上发现这不起作用，请查看我更新的问题
@Ryan 我已经为答案添加了更新！请检查并让我知道这是否有效。我认为最好使用min() 和max() 函数来同化时代！

【解决方案2】：

你可以尝试另一种方式

library(dplyr)
data2 <- data %>% 
  group_by(group) %>% 
  filter(row_number()==1 | row_number()==n()) %>% 
  ungroup()
#   group Date      
# <chr> <date>    
# 1 a     2010-08-09
# 2 a     2010-09-18
# 3 b     2014-03-15
# 4 b     2014-03-25
# 5 c     2016-05-02
# 6 c     2016-09-21

【讨论】：