使用 lubridate 根据日期创建因子

Question

我试图找到合适的答案，但所有案例都比我所拥有的简单得多。 我需要根据我拥有的数据框中的日期信息创建一个 4 级（nov、end_feb、end_apr、其他）因子，然后将其添加为列。此外，我需要代码快速运行，因为我拥有的真实 df 超过 80 万行

这是我目前所拥有的 lubridate 和 %within%。它确实有效，但由于效率低下而非常缓慢，因为我不得不求助于使用sapply(df, sub_period_gen(date)) 创建一个新列。 理想情况下，我需要一种方法来确保解决方案是矢量化的，因为我有一些其他因子生成器可以在同一数据帧上工作并且速度也很慢

sub_period_gen <- function(x){
  i_1 <- ymd("2019-11-01")%--% ymd("2019-11-30")
  i_2 <- ymd("2020-02-24")%--% ymd("2020-02-29")
  i_3 <- ymd("2020-04-24")%--% ymd("2020-04-30")
  if (x %within% i_1){
    return("nov")  # return case one
  } else if (x %within% i_2){
    return("end_feb")  # return case two
  } else if (x %within% i_3){
    return("end_apr")  # return case three
  } else{
    return("other")  # return case four
  }
}

提前致谢！

编辑：我对解决方案进行了一些优化，但看起来仍然不是最理想的 而且很难修改。另外，我将区间移到了全局环境中

sub_period_gen <- function(x){
  return(ifelse(x %within% i_1,"nov",ifelse(x %within% i_2,"end_feb",ifelse(x %within% i_3,"end_apr","other"))))
  }

我的问题与this one 不同，因为我的约会确实没有规律，而休息时间是针对特定分析的。

编辑 2： 示例输入：

library(lubridate)
toy <- tibble(date = ymd("2019-11-12","2020-03-11","2020-01-31","2019-12-19","2019-12-04","2020-01-21","2020-01-31","2020-02-16",
              "2020-02-28","2020-03-20","2020-02-08","2020-03-23","2020-01-22","2020-02-18","2020-03-19","2019-11-22",
              "2020-01-14","2020-03-04","2019-12-02","2019-11-03","2020-02-27","2020-02-13","2019-11-17","2020-03-17",
              "2020-04-14","2019-12-19","2019-11-05","2020-01-11","2020-04-25","2019-11-24"))

想要的输出：

>  date         sub_period
>   <date>     <chr>     
> 1 2019-11-12 nov       
> 2 2020-03-11 other
> 3 2020-01-31 other   
> 4 2019-12-19 other   
> 5 2019-12-04 other   
> 6 2020-01-21 other   
> 7 2020-02-29 end_feb   
> 8 2020-02-16 other   
> 9 2020-04-28 end_apr 

Answer 1

这是case_when 来自dplyr 的一种方法：

library(dplyr)
library(lubridate)
toy %>%
  mutate(sub_period = 
         case_when(date >= ymd("2019-11-01") & date < ymd("2019-11-30") ~ "nov",
                   date >= ymd("2020-02-24") & date < ymd("2020-02-29") ~ "end_feb",
                   date >= ymd("2020-04-24") & date < ymd("2020-04-30") ~ "end_apr",
                   TRUE ~ "other"))
# A tibble: 30 x 2
   date       sub_period
   <date>     <chr>     
 1 2019-11-12 nov       
 2 2020-03-11 other     
 3 2020-01-31 other     
 4 2019-12-19 other     
 5 2019-12-04 other     
 6 2020-01-21 other     
 7 2020-01-31 other     
 8 2020-02-16 other     
 9 2020-02-28 end_feb   
10 2020-03-20 other     
# … with 20 more rows

如果您需要更快的速度，您可以使用data.table 的IDate 类进行非等连接。首先，您需要设置一个单独的表来加入：

library(data.table)
setDT(toy)
toy[,date:=as.IDate(date)]

date.table <- data.table(Start = c(as.IDate("2019-11-01"),as.IDate("2020-02-24"),as.IDate("2020-04-24")),
                         End = c(as.IDate("2019-11-30"),as.IDate("2020-02-29"),as.IDate("2020-04-30")),
                         sub_period = c("nov","end_feb","end_apr"))

date.table
        Start        End sub_period
1: 2019-11-01 2019-11-30        nov
2: 2020-02-24 2020-02-29    end_feb
3: 2020-04-24 2020-04-30    end_apr

然后执行join：

date.table[toy, on = .(Start<=date, End>date)][is.na(sub_period),sub_period := "other"][]
         Start        End sub_period
 1: 2019-11-12 2019-11-12        nov
 2: 2020-03-11 2020-03-11      other
 3: 2020-01-31 2020-01-31      other
 4: 2019-12-19 2019-12-19      other
 5: 2019-12-04 2019-12-04      other
 6: 2020-01-21 2020-01-21      other
 7: 2020-01-31 2020-01-31      other
 8: 2020-02-16 2020-02-16      other
 9: 2020-02-28 2020-02-28    end_feb
10: 2020-03-20 2020-03-20      other
...

Answer 2

在基础 R 中，您可以像这样使用嵌套的 ifelse 函数：

sub_period_gen <- function(x){
ifelse(x >= ymd("2019-11-01") & x <= ymd("2019-11-30"), "nov",
ifelse(x >= ymd("2020-02-24") & x <= ymd("2020-02-29"), "end_feb",
ifelse(x >= ymd("2020-04-24") & x <= ymd("2020-04-30"), "end_apr",
"other")))
}

要获得所需的输出，您可以像这样cbind.data.frame(toy,sub_period= sub_period_gen(toy$date)) 绑定输入和输出。