从 dplyr 中的日期范围计算每年的观察值

Question

假设我有一个由行业类型以及开始和结束日期组成的 data.frame（例如，对于员工）。

mydf <- data.frame(industry = c("Government", "Education", "Military", "Private Sector", "Government", "Private Sector"),
                   start_date = c("2014-01-01", "2016-02-01", "2012-11-01", "2013-03-01", "2012-12-01", "2011-12-01"),
                   end_date = c("2020-12-01", "2016-10-01", "2014-01-01", "2016-10-01", "2015-10-01", "2014-09-01"))

> mydf
        industry start_date   end_date
1     Government 2014-01-01 2020-12-01
2      Education 2016-02-01 2016-10-01
3       Military 2012-11-01 2014-01-01
4 Private Sector 2013-03-01 2016-10-01
5     Government 2012-12-01 2015-10-01
6 Private Sector 2011-12-01 2014-09-01

我想创建一个堆叠的 ggplot 条形图，其中 start_date 列中的每个唯一年份都在 X 轴上（例如 2011-2016），y 轴表示观察总数（行数) 代表该年的特定行业。

我不确定操作 data.frame 的正确方法是什么。大概我需要操纵数据以具有industryyear 和count 的列。但我不确定如何从日期范围生成年份列。有什么想法吗？

Answer 1

将日期列转换为Date，使用map2（来自purrr）、unnest@987654328 为每一行创建从“start_date”到“end_date”的“日期”sequence @ 输出，count year 和 geom_bar 绘图

library(dplyr)
library(tidyr)
library(purrr)
library(ggplot2)
mydf %>%
   mutate(across(c(start_date, end_date), as.Date)) %>% 
   transmute(industry, date = map2(start_date, end_date, seq, by = 'day')) %>% 
   unnest(c(date)) %>% 
   count(industry, year = factor(year(date))) %>%
   ggplot(aes(x = year, y = n, fill = industry)) + 
        geom_col() +
        theme_bw()

如果情节应该为每个“行业”分开

mydf %>%
   mutate(across(c(start_date, end_date), as.Date)) %>% 
   transmute(industry, date = map2(start_date, end_date, seq, by = 'day')) %>% 
   unnest(c(date)) %>% 
   count(industry, year = factor(year(date))) %>%
   ggplot(aes(x = year, y = n, fill = industry)) + 
        geom_col() + 
        facet_wrap(~ industry) +
        theme_bw()

-输出

---

正如@IanCampbell 建议的那样，seq 的by 可以是'year'

mydf %>%
   mutate(across(c(start_date, end_date), as.Date)) %>% 
   transmute(industry, date = map2(start_date, end_date, seq, by = 'year')) %>% 
   unnest(c(date)) %>% 
   count(industry, year = factor(year(date))) %>%
   ggplot(aes(x = year, y = n, fill = industry)) + 
        geom_col() + 
        facet_wrap(~ industry) +
        theme_bw()

Answer 2

这就是你要找的吗？ 我建议使用purrr::pmap 根据原始数据的每一行创建一个新的数据框，其中每一年都有一行。

我们可以使用purrr::pmap_dfr 自动返回一个按行绑定的单个数据框。

我们可以使用~with(list(...), ) 技巧来按名称引用列。

然后我们可以使用dplyr::count按列组合计数。然后就很简单了。

library(dplyr)
library(purrr)
library(lubridate)
library(ggplot)
mydf %>%
  mutate(across(c(start_date, end_date), as.Date),
         start_year = year(start_date),
         end_year = year(end_date)) %>%
  pmap_dfr(~with(list(...),data.frame(industry,
                                      year = seq(start_year, end_year)))) %>%
  count(year, industry) %>%
ggplot(aes(x = year, y = n, fill = industry)) + 
  geom_bar(stat="identity")