按日期（包括列标题）对数据框列进行分组，并总结 R 中 1 和 0 的实例

Question

我遇到了一些烦人的编码问题，非常感谢您的帮助。

以下是一些示例数据：

ID     "2013-03-20"    "2013-04-09"    "2013-04-11"    "2013-04-17"    
5167f            0               0               0               1  
1214m            0               0               0               0  
1844f            0               1               1               0  
2113m            0               0               1               1  

问题来了：请注意示例数据框的列名如何包含日期，并且某些日期可能彼此接近。 ID 列是观察的简单唯一标识符。

这是我的目标：

(1) 我希望能够首先根据它们是否在 2 周（或 14 天）范围内（即由从 @ 开始的 2 周增量定义）对列进行分组987654323@ 直到"2016-12-20");因此，如果它们确实在相同的范围内，它们将收到相同的标识符（对于新的数据框；例如，Period1 用于在 "2013-03-20" 和 "2013-04-03" 之间的任何日期）。

(2) 将所有日期列分配给特定时期后，我想按以下方式汇总每个时期的单元格数据（0 和 1）：如果任何1 出现在特定时期对于个人（完全），那么该个人将在整个期间收到 1（此外，如果个人在该期间只有 0，那么它将在该单个期间收到 0）。

(3) 定义此工作流程后，我想根据月份代码按季节和年份对日期进行分组（例如，WinterYYYY = 十二月、一月、二月；SpringYYYY = 三月、四月、五月; SummerYYYY = 六月、七月、八月；FallYYYY = 九月、十月、十一月）生成新的数据框。

总而言之，手动演示产品：

（目标 1 和 2 的最终产品；即仅针对示例数据中的前两列 [括号中的日期范围仅供参考]）

ID     Period1 ("2013-03-20" - "2013-04-03")        Period2 ("2013-04-04" - "2013-04-18")      
5167f                                    0                                 1    
1214m                                    0                                 0    
1844f                                    0                                 1    
2113m                                    0                                 1    

（目标 2 和 3 的最终产品；即样本数据中的所有列[括号中的月份范围仅供参考]）

ID                Spring2013  (March - May)    
5167f                                    1  
1214m                                    0  
1844f                                    1  
2113m                                    1

也许，dplyr 包中的某些内容可能有用，但我不太确定。

提前感谢您的帮助。请随时提出任何后续问题以进行澄清。

-AD-

Answer 1

这是一个使用来自tidyverse 的函数的解决方案。

# Load packages
library(tidyverse)
library(data.table)
library(lubridate)

# Create example data frames
dt <- fread("ID     '2013-03-20'    '2013-04-09'    '2013-04-11'    '2013-04-17'    
5167f            0               0               0               1  
                 1214m            0               0               0               0  
                 1844f            0               1               1               0  
                 2113m            0               0               1               1")

关键是准备一个表格，显示日期和分组变量之间的关联，例如期间、月份或季节。在本例中，dt_merge 就是这样的表。

dt_merge <- data_frame(
  # Create a column showing the beginning date
  Date1 = seq(from = ymd("2013-03-20"), to = ymd("2016-12-20"), by = "2 weeks")) %>%
  # Create  a column showing the end date of each period
  mutate(Date2 = lead(Date1)) %>%
  # Adjust Date1
  mutate(Date1 = if_else(Date1 == ymd("2013-03-20"), Date1, Date1 + 1)) %>%
  # Remove the last row
  drop_na(Date2) %>%
  # Create date list
  mutate(Dates = map2(Date1, Date2, function(x, y){ seq(x, y, by = "day") })) %>%
  unnest() %>%
  # Create Group ID
  mutate(RunID = group_indices_(., dots. = c("Date1", "Date2"))) %>%
  # Create Period ID
  mutate(Period = paste0("Period", RunID)) %>%
  # Add a column showing Month
  mutate(Month = month(Dates)) %>%
  # Add a column showing Year
  mutate(Year = year(Dates)) %>%
  # Add a column showing season
  mutate(Season = case_when(
    Month %in% 3:5            ~ "Spring",
    Month %in% 6:8            ~ "Summer",
    Month %in% 9:11           ~ "Fall",
    Month %in% c(12, 1, 2)    ~ "Winter",
    TRUE                      ~ NA_character_
  )) %>%
  # Combine Season and Year
  mutate(SeasonYear = paste0(Season, Year)) %>%
  select(-Date1, -Date2, -RunID)

在这一步之后，生成你想要的输出就变得很容易了。在此示例中，dt3 是第一个最终产品。 dt4 是第二个产品。

dt2 <- dt %>%
  # Reshape the data frame
  gather(Date, Value, -ID) %>%
  # Convert Date to date class
  mutate(Date = ymd(Date)) %>%
  # Join dt_merge
  left_join(dt_merge, by = c("Date" = "Dates"))

# Product 1
dt3 <- dt2 %>%
  group_by(ID, Period) %>%
  summarise(Value = max(Value)) %>%
  spread(Period, Value)

# Product 2
dt4 <- dt2 
  group_by(ID, SeasonYear) %>%
  summarise(Value = max(Value)) %>%
  spread(SeasonYear, Value) 

Answer 2

请先把你的数据整理好。

library(dplyr)
data <- gather(data, date, value, -ID )

那就试试吧：

library(lubridate)
data$date  <- ymd(data$date)
data <-  mutate(data, period = date - as.Date("2013-03-20")) #difference in days
data <- mutate(data, period2 = ceiling(as.numeric(data$period)/14))
data$period2 <- ifelse(data$period2 == 0, 1, data$period2) #change period 0 to period 1

newdat <- data %>% 
          group_by(ID, period2) %>%
          summarise(result = ifelse(sum(value)>0, 1, 0))

使用spread() 函数改回原始格式。