在 data.table 中添加具有条件的假人？

Question

抱歉，问题太长了。我会尽我最大的努力清楚地阐明我的目标

我想用update方法在data.table中添加假人，和this already answered in this link一样，但是稍微复杂一点。

为了更好地描述，我创建了数据。

DT <- data.table(UID = paste0("UID",rep(1:5,each=2)), 
                 date = as.IDate(c("2012-01-01","2012-01-02","2012-01-03","2012-01-04","2012-01-05","2012-01-06","2012-02-01","2012-02-02","2012-02-03","2012-02-04")),
                 value = c(1:10)) 

DT是一个data.table，包含UID、日期和值的信息。在原始数据中，结构相同，但时间跨度较长（2年）。

这里我想根据日期添加假人。

日期有几个特殊的时间跨度，我们可以用假期来表示。

例如，在我上面创建的假数据中。

有两个假期

1. 从“2012-01-02”到“2012-01-05”
2. 从“2012-02-02”到“2012-02-03”

我要添加两种类型的假人

1. 关于假期长度的傻瓜：首先计算不同假期的长度。在此示例中，我们有两个不同的长度（2 和 4）。因此，我们将添加 2 个假人来指示日期是否在这些假期中。

预期的结果是这样的：

UID 日期值 D_length_2 D_length_4 UID1 2012 年 1 月 1 日 1 假 假 UID2 2012 年 1 月 2 日 2 假 真 UID3 2012 年 1 月 3 日 3 假 真 UID4 2012 年 1 月 4 日 4 假 真 UID5 2012 年 1 月 5 日 5 假 真 UID1 2012 年 1 月 6 日 6 假 假 UID2 2/1/2012 7 真假 UID3 2/2/2012 8 真假 UID4 2/3/2012 9 假 假 UID5 2/4/2012 10 假 假

1. 关于这一天是正好是假期前一天还是正好是假期后一天的傻瓜。

UID 日期值 之前 之后 UID1 2012 年 1 月 1 日 1 真假 UID2 2012 年 1 月 2 日 2 假 假 UID3 2012 年 1 月 3 日 3 假 假 UID4 2012 年 1 月 4 日 4 假 假 UID5 2012 年 1 月 5 日 5 假 假 UID1 2012 年 1 月 6 日 6 假 真 UID2 2/1/2012 7 真假 UID3 2/2/2012 8 假 假 UID4 2/3/2012 9 假 假 UID5 2012 年 2 月 4 日 10 假 真

所以总的期望结果是这样的

UID Date Val 之前 之后 D_length_2 D_length_4 UID1 1/1/2012 1 真假假假 UID2 2012 年 1 月 2 日 2 FALSE FALSE FALSE TRUE UID3 2012 年 1 月 3 日 3 FALSE FALSE FALSE TRUE UID4 1/4/2012 4 FALSE FALSE FALSE TRUE UID5 2012 年 1 月 5 日 5 FALSE FALSE FALSE TRUE UID1 1/6/2012 6 FALSE TRUE FALSE FALSE UID2 2/1/2012 7 真假假假 UID3 2/2/2012 8 FALSE FALSE TRUE FALSE UID4 2/3/2012 9 FALSE FALSE TRUE FALSE UID5 2/4/2012 10 FALSE TRUE FALSE FALSE

总观察量超过 10M 行，大约有 10 个不同的假期和 4 个不同的长度。

我认为是第二种假人

f <- function(x){ 
ifelse(x %in% as.Date(c("2012-01-02","2012-02-02")) - 1, return(TRUE), return(FALSE))
}

DT[,Before:= f(date)] 

但这似乎不正确。

对于第一个，我没有想出一个好的解决方案。

这个问题是关于data.table中的更新，任何关于如何处理它以及如何编写更新函数的想法都非常欢迎！

Answer 1

这是一个开始：

library(data.table)

DT <- data.table(UID = paste0("UID",rep(1:5,each=2)), 
                 date = as.IDate(c("2012-01-01","2012-01-02","2012-01-03","2012-01-04","2012-01-05","2012-01-06","2012-02-01","2012-02-02","2012-02-03","2012-02-04")),
                 value = c(1:10)) 
setkey(DT, date)


vacStart <- data.table(start = as.IDate(c("2012-01-02", "2012-02-02")), key="start")
vacEnd <- data.table(date = as.IDate(c("2012-01-05", "2012-02-03")), key="date")

#identify vacations:
vacStart[, Start:=.I]
DT <- vacStart[DT, roll=TRUE]
vacEnd[, End:=.I]
DT <- vacEnd[DT, roll=-Inf]
DT[,vac:=(End==Start)*Start]
DT[is.na(vac), vac:=0L]

#2-day vacations:
DT[,length_2 := (.N==2) & vac!=0, by=vac]
#days before vacation
DT[,before := c(diff(vac)>0, FALSE) & vac==0]
#           date End Start  UID value vac length_2 before
#  1: 2012-01-01   1    NA UID1     1   0    FALSE   TRUE
#  2: 2012-01-02   1     1 UID1     2   1    FALSE  FALSE
#  3: 2012-01-03   1     1 UID2     3   1    FALSE  FALSE
#  4: 2012-01-04   1     1 UID2     4   1    FALSE  FALSE
#  5: 2012-01-05   1     1 UID3     5   1    FALSE  FALSE
#  6: 2012-01-06   2     1 UID3     6   0    FALSE  FALSE
#  7: 2012-02-01   2     1 UID4     7   0    FALSE   TRUE
#  8: 2012-02-02   2     2 UID4     8   2     TRUE  FALSE
#  9: 2012-02-03   2     2 UID5     9   2     TRUE  FALSE
# 10: 2012-02-04  NA     2 UID5    10   0    FALSE  FALSE