R - 自上次发生以来的天数答案

【问题标题】：R - Number of days since last occurrenceR - 自上次发生以来的天数
【发布时间】：2014-11-23 15:30:27
【问题描述】：

我有一个如下所示的数据框：

 id     date
 1001   2012-10-11
 1005   2013-02-20
 1005   2012-11-21
 1005   2014-03-14
 1003   2013-10-25
 1003   2013-11-30

我需要为每一行查找自上次出现该 ID 以来经过的天数。对于上面的例子，答案应该是这样的：

 id     date        no_of_days
 1001   2012-10-11  NA
 1005   2013-02-20  91
 1005   2012-11-21  NA
 1005   2014-03-14  387
 1003   2013-10-25  NA
 1003   2013-11-30  36

经过一番搜索，我可以添加一个新列，其中包含通过对子组应用函数生成的值（R 相当于 STATA 的“bysort”）：

df$no_of_days<-with(df,ave(id,id,FUN=days_passed,na.rm=TRUE))

然而，定义新函数 days_passed 被证明是棘手的，因为我必须找到该 uniqid 的最后一次出现，然后相应地制定函数。

我是 R 新手，因此非常感谢您对此提供任何帮助。谢谢！

【问题讨论】：

标签： r

【解决方案1】：

使用data.table 包，您可以尝试以下操作（尽管它不会保留顺序）。假设 df 是您的数据集

library(data.table)
setkey(setDT(df)[, date := as.Date(date)], id, date) # If `date` is already of `Date` class you can skip the `as.Date` part
df[, no_of_days := c(NA, diff(date)) , by = id][]
#      id       date no_of_days
# 1: 1001 2012-10-11         NA
# 2: 1003 2013-10-25         NA
# 3: 1003 2013-11-30         36
# 4: 1005 2012-11-21         NA
# 5: 1005 2013-02-20         91
# 6: 1005 2014-03-14        387

或者（正如@Arun 建议的那样）您可以使用order 而不是setkey 来保留订单

setDT(df)[, date := as.Date(date)][order(id, date), 
            no := c(NA, diff(date)), by = id][]

也可以试试dplyr

library(dplyr)
df %>%
  mutate(date = as.Date(date)) %>%
  arrange(id, date) %>%
  group_by(id) %>%
  mutate(no_of_days = c(NA, diff(date)))

【讨论】：

您可以通过以下方式保留订单：setDT(df)[, date := as.Date(date)][order(id, date), no := c(NA, diff(date)), by=id][]

【解决方案2】：

或者使用ave（类似于@David Arenburg 的方法）

 indx <- with(df, order(id, date))
 df1 <- transform(df[indx,], no_of_days=ave(as.numeric(date), id,
                    FUN= function(x) c(NA, diff(x))))[order(indx),]
 df1     
 #    id       date no_of_days
 #1 1001 2012-10-11         NA
 #2 1005 2013-02-20         91
 #3 1005 2012-11-21         NA
 #4 1005 2014-03-14        387
 #5 1003 2013-10-25         NA
 #6 1003 2013-11-30         36

数据

df <- structure(list(id = c(1001L, 1005L, 1005L, 1005L, 1003L, 1003L
), date = structure(c(15624, 15756, 15665, 16143, 16003, 16039
), class = "Date")), .Names = c("id", "date"), row.names = c(NA, 
-6L), class = "data.frame")

【讨论】：