在R中，如何在同一group_by中查找属于row定义的日期范围的其他行？

编程问答 2022-08-11

问题描述

在R中，我有这个对象：

z <- 
  dplyr::tribble(
    ~event_id,~group_id,~date_event,~date_min,~date_max,1,"2019-11-11","2019-11-04","2019-11-18",2,"2019-11-13","2019-11-06","2019-11-20",3,"2019-11-19","2019-11-12","2019-11-26",4,"2020-04-30","2020-04-23","2020-05-07",5,"2019-11-05","2019-10-29",6,"2019-12-03"
    ) %>%
  dplyr::mutate_if(is.character,lubridate::as_date)

我的数据遵循以下结构：每行一个event_id；每个组的group_id； date_event;以及介于date_event之前7天和之后7天之间的范围（date_min和date_max）。

我想知道的是：对于每一行（每个事件），在同一group_id中与该行的范围（基于date_min和date_max）匹配的其他事件是什么？！

一个输出示例：

  • event_id = 2，属于group_id = 1，在其范围内，事件编号1和3也属于同一group_id。

我不确定我到底想要什么输出格式，但是我需要这个结果，而且我不知道该怎么解决。

有人可以帮忙吗？ 提前致谢。最好，Wlademir。

解决方法

您可以先分组，然后使用purrr::map2。为此，您可以传入这些日期阈值以同时进行映射，并将事件ID和日期向量作为附加参数：

library(dplyr)
library(purrr)

z2 <- z %>%
  group_by(group_id) %>%
  mutate(
    event_ids_in_window = map2(
      date_min,date_max,event_ids = event_id,dates = date_event,.f = function(date_min,event_ids,dates) {
        event_ids[which(dates >= date_min & dates <= date_max)]
      }
    )
  )
,

您可以使用正则表达式联接将数据与其自身联接，并计算范围内的日期。

 {'a': 1,'b': [2,3,4],'c': 5}

现在可以计算每个ID可以使用多少个ID：

data <- fuzzyjoin::fuzzy_inner_join(z,z,by = c('group_id','date_min' = 'date_event','date_max' = 'date_event'),match_fun = c(`==`,`<=`,`>=`))

并使用以下代码获取重叠的ID：

library(dplyr)
data %>% count(event_id.x,group_id.x)

# A tibble: 6 x 3
#  event_id.x group_id.x     n
#       <dbl>      <dbl> <int>
#1          1          1     2
#2          2          1     3
#3          3          1     2
#4          4          1     1
#5          5          2     1
#6          6          2     1

请注意，每个ID也会相互重叠，因此，如果您需要通过执行data %>% group_by(event_id.x) %>% summarise(other_ids = list(event_id.y)) # event_id.x other_ids # <dbl> <list> #1 1 <dbl [2]> #2 2 <dbl [3]> #3 3 <dbl [2]> #4 4 <dbl [1]> #5 5 <dbl [1]> #6 6 <dbl [1]> 从数据中删除此类ID，就可以了。

,

我们可以在data.table中使用非等号联接

library(data.table)
setDT(z)[z,.N,on = .(group_id,date_min <= date_event,date_max >= date_event),by = .EACHI]
#    group_id   date_min   date_max N
#1:        1 2019-11-11 2019-11-11 2
#2:        1 2019-11-13 2019-11-13 3
#3:        1 2019-11-19 2019-11-19 2
#4:        1 2020-04-30 2020-04-30 1
#5:        2 2019-11-05 2019-11-05 1
#6:        2 2019-11-26 2019-11-26 1

并返回“日期”和行索引

setDT(z)[z,.(.N,dates = .(date_event),rn = .(.I)),on = 
    .(group_id,by = .EACHI]
dplyrlubridaterrtidyverse