如何计算不在列表中的日期

Question

我在客户的两个日期（date1 date2）和到达日期之间有一个数据框。

date1<- "2019-07-29"
date2<- "2019-08-08"

clients<-data.frame(id= c(1:10),
                    arrive=c("2019-07-31", "2019-07-29", "2019-08-01",
                             "2019-08-03", "2019-08-05", "2019-08-08", 
                             "2019-08-02", "2019-08-06", "2019-07-29", 
                             "2019-08-02"),
                    hotel= c(rep(900067, 5), rep(9001649,5)))

我想计算日期之间，每家酒店有多少天没有新客户。

900067酒店在以下几天没有新客户：2019-07-30、2019-08-02、2019-08-04、2019-08-06、2019-08-07、2019-08-08。这是 date1 和 date2 之间的 6 天，没有任何新客户。

数据框结果应该是这样的：

Result<- data.frame(hotel= c(900067, 9001649), 
                    days_without_new_clients= c(6, 7))

提前谢谢你。

Answer 1

也许您可以创建一个包含所有酒店日期的数据框，然后查看clientsdata 中不存在的数据框。

library(dplyr)

all_hotel_dates <- expand.grid(arrive = seq.Date(as.Date("2019-07-29"), as.Date("2019-08-08"), "day"), hotel = c(900067, 9001649))

clients %>%
  mutate(arrive = as.Date(arrive)) %>%
  full_join(all_hotel_dates) %>%
  group_by(hotel) %>%
  summarise(days_without_new_clients = sum(is.na(id)))

# A tibble: 2 x 2
    hotel days_without_new_clients
    <dbl>                    <int>
1  900067                        6
2 9001649                        7

Answer 2

这是一个想法，通过dplyr 使用complete 来填写我们过滤到所需时间段后的日期，即

library(dplyr)

clients %>% 
 mutate(arrive = as.Date(arrive)) %>% 
 group_by(hotel) %>% 
 filter(arrive >= as.Date(date1) & arrive <= as.Date(date2)) %>% 
 complete(arrive = seq.Date(as.Date(date1), as.Date(date2), 1)) %>%
 summarise(days_no_clients = sum(is.na(id)))

# A tibble: 2 x 2
#    hotel days_no_clients
#    <dbl>           <int>
#1  900067               6
#2 9001649               7

Answer 3

您可以创建一个接收 2 个日期并返回字符串数组的 udf。

类似这样的东西（伪代码）：

def getDatesBetween(dateA, dateB):
  days = time.difference(dateA, dateB).days
  dates = range(days).map(d => time.add(dateA, d).toString)
  return dates

然后创建一个新列，其中包含这些日期和到达日期之间的交集。