从另一列 R 中查找按条件计算天数答案

【问题标题】：Find number counting days by condition from another column, R从另一列 R 中查找按条件计算天数
【发布时间】：2020-06-23 01:49:55
【问题描述】：

我的真实数据框有超过 90000 行和 30 个Ptt

然后，我有一个这样的数据框：

Ptt      Date                      Area        
88734    2016-10-23 05:39:18       BA             
88734    2016-10-23 06:53:13       BA           
88734    2016-11-09 08:32:18       MI            
88734    2016-11-19 06:45:27       MI           
88734    2016-12-20 12:30:43       MI           
88734    2016-12-29 02:45:35       FA             
129041   2017-10-05 04:55:24       BA            
129041   2016-10-23 06:45:30       MI            
129041   2016-11-16 07:10:32       FA            
129041   2016-11-29 03:43:54       FA           
120941   2017-01-02 14:54:39       FA    



dt = data.table(Ptt= c("88734", "88734", "88734", "88734", "88734", "88734", "120941", "120941","120941","120941","120941"),
                date = c("2016-10-23 05:39:18",
                         "2016-10-23 06:53:13 ", 
                         "2016-11-09 08:32:18",
                         "2016-11-19 06:45:27",
                         "2016-12-20 12:30:43",
                         "2016-12-29 02:45:35",
                         "2017-10-05 04:55:24",
                         "2016-10-23 06:45:30",
                         "2016-11-16 07:10:32",
                         "2016-11-29 03:43:54",
                         "2017-01-02 14:54:39"),
                Area = c("BA", "BA", "MI", "MI", "MI", "FA", "BA", "MI", "FA", "FA", "FA"))

我想要两件事。首先，计算每个Ptt 在每个area 上的天数。其次，每个area 有多少天，但我不知道该怎么做，有人知道吗？

关于第一个，例如：88734 在BA 有1 天，在MI 有3 天，在FA 有1 天，以此类推。

另一个例子（不是真实的）：我有 2 天重复 88734、2016-10-23、2016-10-23，然后是 2016-11-09、2016-11-09、2016-11-09（此处重复 3 天），然后2016-12-29（这里 1 天）。所以，这个88734 总共计算了 3 天，而不是 6 天。

关于第二个，即使对于许多 Ptt 有相同的 date，我需要对所有时间求和，我猜是这样的，在 BA 处为 88734 求和所有天数，然后为 @ 求和所有天数987654342@，然后放在一起。（不知道是不是正确的推理）

例如（不是真实的），88734 有 10/08/2017、10/08/2017 BA，但 129041 有 10/08/2017、10/08/2017、10/08 /2017 也在BA。所以，请在BA 度过 2 天，而不是 1 天。

我想要这个：（可能是 2 个新闻数据框）

#First one
Ptt      Area        Days
88734    BA           1
88734    MI           3 
88734    FA           1  
129041   BA           1 
129041   MI           1 
120941   FA           3

#Second one
Area     Days
BA        2
MI        4
FA        4

谢谢！

【问题讨论】：

标签： r conditional-statements counting days

【解决方案1】：

您可以使用dplyr 和lubridate 来获得您想要的输出：

dt %>%
  mutate(date = as_date(date)) %>%
  distinct() %>%
  count(Ptt, Area, name="Days")

      Ptt Area Days
1: 120941   BA 1
2: 120941   FA 3
3: 120941   MI 1
4:  88734   BA 1
5:  88734   FA 1
6:  88734   MI 3

和

dt %>%
  mutate(date = as_date(date)) %>%
  distinct() %>%
  count(Area, name="Days")

给予

   Area Days
1:   BA 2
2:   FA 4
3:   MI 4

【讨论】：

【解决方案2】：

创建一个仅包含日期的列。

dt$date_col <- as.Date(as.POSIXct(dt$date, format = "%Y-%m-%d %T"))

之后，您可以计算每个Ptt 和Area 的唯一日期数，并且仅计算Area。

您可以使用dplyr、base R 或data.table 来执行此操作。

dplyr：

library(dplyr)
dt %>% group_by(Ptt, Area) %>% summarise(Days = n_distinct(date_col))

#  Ptt    Area   Days
#  <chr>  <chr> <int>
#1 120941 BA        1
#2 120941 FA        3
#3 120941 MI        1
#4 88734  BA        1
#5 88734  FA        1
#6 88734  MI        3

和

dt %>% group_by(Area) %>% summarise(Days = n_distinct(date_col))

# Area   Days
#  <chr> <int>
#1 BA        2
#2 FA        4
#3 MI        4

基础 R：

aggregate(date_col~Ptt + Area, dt, function(x) length(unique(x)))

和

aggregate(date_col~Area, dt, function(x) length(unique(x)))

数据表：

library(data.table)
setDT(dt)[, .(days = uniqueN(date_col)), .(Ptt, Area)]

和

setDT(dt)[, .(days = uniqueN(date_col)), Area]

【讨论】：