滚动时间窗口累计

Question

我有关于咒语的开始和结束日期的数据，按人员标识符。

temp <- structure(list(id = structure(c(1L, 1L, 1L, 2L, 2L, 2L), .Label = c("1", 
"2"), class = "factor"), spell = c(1L, 2L, 3L, 1L, 2L, 3L), date1 = structure(c(14611, 
14654, 15141, 14853, 14867, 14975), class = "Date"), date2 = structure(c(14612, 
14656, 15142, 14862, 14872, 14976), class = "Date")), class = "data.frame", .Names = c("id", 
"spell", "date1", "date2"), row.names = c(NA, -6L))

我想计算过去一年内咒语的滚动总天数（由 365 天窗口定义），以便每一行获得当前咒语之前包含在咒语中的总天数, 一年内。

所以在我的示例中，人 1 有 3 个法术，其中两个发生在一年的窗口内（第 1 行和第 2 行）。第一个法术没有先验，因此 days.observed.in.past.yr 为 0。第二个法术（第 1 行）具有 1 天的长度，因此 days.observed.in.past.yr 为 0。

第 2 个人有三个咒语，都发生在一年内。对于咒语 2，人 2，前一个咒语是 9 天，因此 days.observed.in.past.yr 是 9。然后对于咒语 3，有两个前咒语，days.observed.in.past.yr 是 14 (9+5)。这将继续为当前行的 365 天窗口内添加尽可能多的法术。

id  spell   date1       date2       days.observed.in.past.yr
1     1     2010-01-02 2010-01-03   0
1     2     2010-02-14 2010-02-16   1
1     3     2011-06-16 2011-06-17   0
2     1     2010-09-01 2010-09-10   0
2     2     2010-09-15 2010-09-20   9
2     3     2011-01-01 2011-01-02   14

但是，除了计算拼写长度和一年前的日期等琐碎的事情之外，我不知道该怎么做。我发现的最接近的类似问题是rgolf:rolling window，但我不知道如何将其应用于我的问题。

谁能帮忙？

Answer 1

这是使用dplyr 的一种方法：

require(dplyr)

temp %>%
  mutate(year1 = format(date1, "%Y"),
         year2 = format(date2, "%Y")) %>%
  group_by(id) %>%
  mutate(count = ifelse(lag(year1, 1, default = 0) == year1, lag(date2, 1) - lag(date1,1), 0 )) %>%
  select(-c(year1, year2))

#Source: local data frame [5 x 4]
#Groups: id
#
#  id      date1      date2 count
#1  1 2010-01-02 2010-01-03     0
#2  1 2010-02-14 2010-02-16     1
#3  1 2011-06-16 2011-06-17     0
#4  2 2010-09-01 2010-09-10     0
#5  2 2010-09-15 2010-09-20     9

评论后编辑 1

要使用 365 天“滚动”窗口执行此操作，您可以使用以下方法：

temp %>%
  group_by(id) %>%
  mutate(count = ifelse(date1 - lag(date1, 1, default = 0) <= 365, lag(date2, 1) - lag(date1,1), 0))

示例数据的结果与上述相同。

编辑 2

我再次考虑了这一点，并怀疑第一次编辑实际上是否按预期运行，因为它只查看前一行以检查该行是否比当前 date1 早 365 天。所以我想出了另一个版本，它查看每个 id 的所有行，创建 365 天窗口内的数据组，然后总结日期差异 - 也许这就是你想要的。

df %>%
  group_by(id) %>%
  arrange(id, date1) %>%
  mutate(delta = floor(c(0, diff(date1)) / 365),
         delta = cumsum(delta)) %>%
  group_by(delta, add = TRUE) %>%
  mutate(count = cumsum(as.numeric(date2-date1)) - (date2 - date1)) %>%
  ungroup() %>%
  select(-delta)

我不太清楚的问题是您是否只想总结前 1 行中的日期差异（如果它存在并且小于 365 天，在这种情况下，编辑 1 应该可以工作）还是做您想总结 所有 早于 365 天之前的差异（在这种情况下，编辑 2 应该可以工作）。

Answer 2

这可以通过runner 包来实现。 OP 需要过去 365 天的滚动总和，不包括当前观察。 sum_run 计算 365 天期间 date2 - date1 的总和。要排除当前行，可以减去 - spell_days 或使用 lag = 1（排除当前日期）。

library(dplyr)
library(runner)

temp %>%
  group_by(id) %>%
  mutate(

    spell_days = date2 - date1,

    days.observed.in.past.yr = sum_run(
      x = spell_days, 
      k = 365, 
      idx = date1
    ) - spell_days

  )

#   id    spell date1      date2      spell_days days.observed.in.past.yr
#   <fct> <int> <date>     <date>     <drtn>     <drtn>                  
# 1 1         1 2010-01-02 2010-01-03 1 days      0 days                 
# 2 1         2 2010-02-14 2010-02-16 2 days      1 days                 
# 3 1         3 2011-06-16 2011-06-17 1 days      0 days                 
# 4 2         1 2010-09-01 2010-09-10 9 days      0 days                 
# 5 2         2 2010-09-15 2010-09-20 5 days      9 days                 
# 6 2         3 2011-01-01 2011-01-02 1 days     14 days