计算一个表中的日期范围和另一个表中的天数标准的天数答案

【问题标题】：Count number of days with date range in one table and days criteria in another table计算一个表中的日期范围和另一个表中的天数标准的天数
【发布时间】：2020-09-03 12:14:20
【问题描述】：

我的一张表的数据在最后两列中提到了日期：

dat<- data.frame(a = c(rep("x",3)),
                 date1=c(seq(as.Date("2018-01-01"), as.Date("2018-01-3"), 1)), 
                 date2=c(seq(as.Date("2018-01-08"), as.Date("2018-01-10"), 1)))

日期1 日期2

1 x 2018-01-01 2018-01-08

2 x 2018-01-02 2018-01-09

3 x 2018-01-03 2018-01-10

我的另一张桌子每天是什么日子

cal <- data.frame(dt = c(seq(as.Date("2018-01-01"), as.Date("2018-01-10"),1)),
                  day = c(rep("workday",5), rep("holiday",1), rep("weekend",4)))

如何将表 1(dat) 中的天数作为新列获取，使其仅计算第 2 列和第 3 列中提到的范围内的工作日？

4 列的示例输出。最后一列是前两列中日期范围的工作日数

  a      date1      date2     countdown
1 x 2018-01-01   2018-01-08           5
2 x 2018-01-02   2018-01-09           4
3 x 2018-01-03   2018-01-10           3

【问题讨论】：

标签： r data.table

【解决方案1】：

data.table解决方案

library( data.table )
#set data to data.table format
setDT(dat); setDT(cal)
setkey(dat, date1, date2 )
dat[dat, 
    N := { val = cal[ day == "workday" & dt >= i.date1 & dt <= i.date2 ]
           list( nrow( val ) ) }, 
    by = .EACHI ]

#    a      date1      date2 N
# 1: x 2018-01-01 2018-01-08 5
# 2: x 2018-01-02 2018-01-09 4
# 3: x 2018-01-03 2018-01-10 3

更新 data.table::foverlaps() 解决方案

library( data.table )
#set data to data.table format
setDT(dat); setDT(cal)
#create dummy date
cal[,dt2 := dt]
#set keys
setkey( dat, date1, date2 )
setkey( cal, dt, dt2 )
#overlap join
ans <- foverlaps( dat, cal )
#summarise
ans[, .( countdown = uniqueN( dt[day == "workday"] ) ), by = .(a, date1, date2)][]
#    a      date1      date2 countdown
# 1: x 2018-01-01 2018-01-08         5
# 2: x 2018-01-02 2018-01-09         4
# 3: x 2018-01-03 2018-01-10         3

【讨论】：

但是在更大的数据中这非常慢。无论如何，这可以更快吗？
@Deb 用data.table::foverlaps()-approach 更新答案...应该工作得很快
如果列中有 NA 值，foverlaps 不起作用。有什么办法解决吗？
您的样本数据中没有 NA？如果您的生产数据中有，请填写它们，或者将它们从加入过程中过滤出来

【解决方案2】：

一种使用tidyverse函数的方式：

在date1 和date2 之间创建一个天序列
获取长格式数据
将上述数据与cal数据框左连接
计算每一行的工作日数。

library(dplyr)

dat %>%
  mutate(row = row_number(),
         dt = purrr::map2(date1, date2, seq, by = '1 day')) %>%
  tidyr::unnest(dt) %>%
  left_join(cal, by = 'dt') %>%
  group_by(row, a, date1, date2) %>%
  summarise(countdown = sum(day == 'workday')) %>%
  ungroup() %>%
  select(-row)

#   a     date1      date2      countdown
#  <chr> <date>     <date>         <int>
#1 x     2018-01-01 2018-01-08         5
#2 x     2018-01-02 2018-01-09         4
#3 x     2018-01-03 2018-01-10         3

【讨论】：

任何 data.table 解决方案？

【解决方案3】：

基本 R 选项

within(
  dat,
  countdown <- sapply(
    1:nrow(dat),
    function(k) sum(cal$day == "workday" & !is.na(cut(cal$dt, c(date1[k], date2[k]))))
  )
)

给予

  a      date1      date2 countdown
1 x 2018-01-01 2018-01-08         5
2 x 2018-01-02 2018-01-09         4
3 x 2018-01-03 2018-01-10         3

【讨论】：

【解决方案4】：

其他解决方案

# v1
df %>% 
  rowwise() %>% 
  mutate(int_date = list(seq(date1, date2, "1 day"))) %>% 
  unnest(int_date) %>% 
  left_join(cal, by = c("int_date" = "dt")) %>% 
  filter(day == "workday") %>% 
  group_by(a, date1, date2) %>% 
  count

# v2
df %>% 
  rowwise() %>% 
  mutate(int_date = list(seq(date1, date2, "1 day")),
         out = sum(unlist(int_date) %in% cal$dt[cal$day == "workday"])) %>% 
  select(-int_date)

# v3 (using @Ronak Shah hint with a `map` )
df %>% 
  mutate(int_date = map2(date1, date2, seq, "1 day"),
         out = map_dbl(int_date, ~ sum(.x %in% cal$dt[cal$day == "workday"]))) %>% 
  select(-int_date)


# A tibble: 3 x 4
# Rowwise: 
  a     date1      date2        out
  <chr> <date>     <date>     <int>
1 x     2018-01-01 2018-01-08     5
2 x     2018-01-02 2018-01-09     4
3 x     2018-01-03 2018-01-10     3

【讨论】：