问题描述
考虑以下数据：
df <- structure(list(date = structure(c(10904,10613,10801,10849,10740,10680,10780,10909,10750,10814),class = "Date"),group = c(1L,2L,1L,2L)),class = "data.frame",row.names = c(NA,-10L))
给出：
date group
1 1999-11-09 1
2 1999-01-22 2
3 1999-07-29 1
4 1999-09-15 2
5 1999-05-29 1
6 1999-03-30 1
7 1999-07-08 1
8 1999-11-14 2
9 1999-06-08 2
10 1999-08-11 2
我现在要计算
- a) 两个相邻日期之间过去的月份每组（我知道该怎么做）
- b) 在某个时间段（3 个月）过去后标记行，如果它已经过去，我会重置并再次查看从该日期开始的 3 个月。
所以 a) 我正在这样做：
library(tidyverse)
library(lubridate)
df %>%
group_by(group) %>%
arrange(group,date) %>%
mutate(months_passed = time_length(interval(lag(date),date),"months"))
给出：
# A tibble: 10 x 3
# Groups: group [2]
date group months_passed
<date> <int> <dbl>
1 1999-03-30 1 NA
2 1999-05-29 1 1.97
3 1999-07-08 1 1.3
4 1999-07-29 1 0.677
5 1999-11-09 1 3.35
6 1999-01-22 2 NA
7 1999-06-08 2 4.55
8 1999-08-11 2 2.10
9 1999-09-15 2 1.13
10 1999-11-14 2 1.97
但是对于 b) 我迷路了。我想做的是：
- 分别查看每个组。
- 计算第 1 行和第 2 行之间的months_passed（此处：第 1 组为 1.97 个月）
- 如果是
- 既然差异更大 >= 3 个月，我想标记第 3 行。
- 现在我重置累积时间差，并再次开始计算与下一行（此处：0.67 个月）的差异，依此类推。
预期结果是：
# A tibble: 10 x 4
# Groups: group [2]
date group months_passed time_flag
<date> <int> <dbl> <int>
1 1999-03-30 1 NA 0
2 1999-05-29 1 1.97 0
3 1999-07-08 1 1.3 1
4 1999-07-29 1 0.677 0
5 1999-11-09 1 3.35 1
6 1999-01-22 2 NA 0
7 1999-06-08 2 4.55 1
8 1999-08-11 2 2.10 0
9 1999-09-15 2 1.13 1
10 1999-11-14 2 1.97 0
有什么想法吗？
解决方法
你可以写一个辅助函数：
assign_1 <- function(x) {
y <- numeric(length(x))
sum <- 0
for(i in seq_along(x)) {
sum <- sum + x[i]
if(sum >= 3) {
y[i] <- 1
sum <- 0
}
}
y
}
并在您现有的管道中使用它：
library(dplyr)
library(lubridate)
df %>%
group_by(group) %>%
arrange(group,date) %>%
mutate(months_passed = time_length(interval(lag(date,default = first(date)),date),"months"),time_flag = assign_1(months_passed)) %>%
ungroup
# date group months_passed time_flag
# <date> <int> <dbl> <dbl>
# 1 1999-03-30 1 0 0
# 2 1999-05-29 1 1.97 0
# 3 1999-07-08 1 1.3 1
# 4 1999-07-29 1 0.677 0
# 5 1999-11-09 1 3.35 1
# 6 1999-01-22 2 0 0
# 7 1999-06-08 2 4.55 1
# 8 1999-08-11 2 2.10 0
# 9 1999-09-15 2 1.13 1
#10 1999-11-14 2 1.97 0
顺便说一句，通过一些更好的搜索（现在我知道要搜索哪些术语），我能够在没有附加功能的情况下完全正常工作：
dplyr / R cumulative sum with reset
df %>%
group_by(group) %>%
arrange(group,date) %>%
mutate(months_passed = time_length(interval(lag(date),months_passed = if_else(is.na(months_passed),months_passed),time_flag = if_else(accumulate(months_passed,~if_else(.x >= 3,.y,.x + .y)) >= 3,1,0))
# A tibble: 10 x 4
# Groups: group [2]
date group months_passed time_flag
<date> <int> <dbl> <dbl>
1 1999-03-30 1 0 0
2 1999-05-29 1 1.97 0
3 1999-07-08 1 1.3 1
4 1999-07-29 1 0.677 0
5 1999-11-09 1 3.35 1
6 1999-01-22 2 0 0
7 1999-06-08 2 4.55 1
8 1999-08-11 2 2.10 0
9 1999-09-15 2 1.13 1
10 1999-11-14 2 1.97 0