"Unnesting" R 中的数据框

Question

我有以下 data.frame:

df <- data.frame(id=c(1,2,3), 
                 first.date=as.Date(c("2014-01-01", "2014-03-01", "2014-06-01")), 
                 second.date=as.Date(c("2015-01-01", "2015-03-01", "2015-06-1")),
                 third.date=as.Date(c("2016-01-01", "2017-03-01", "2018-06-1")),
                 fourth.date=as.Date(c("2017-01-01", "2018-03-01", "2019-06-1")))

> df

  id first.date second.date third.date fourth.date
1  1 2014-01-01  2015-01-01 2016-01-01  2017-01-01
2  2 2014-03-01  2015-03-01 2017-03-01  2018-03-01
3  3 2014-06-01  2015-06-01 2018-06-01  2019-06-01

每行代表三个时间跨度；即 first.date 和 second.date、second.date 和 third.date 以及 third.date 和 fourth.date 之间的时间跨度。

我想，没有更好的词了，取消嵌套数据框来获得这个：

  id  StartDate    EndDate
1  1 2014-01-01 2015-01-01
2  1 2015-01-01 2016-01-01
3  1 2016-01-01 2017-01-01
4  2 2014-03-01 2015-03-01
5  2 2015-03-01 2017-03-01
6  2 2017-03-01 2018-03-01
7  3 2014-06-01 2015-06-01
8  3 2015-06-01 2018-06-01
9  3 2018-06-01 2019-06-01

我一直在研究 tidyr 包中的 unnest 函数，但我得出的结论是我认为这不是我真正想要的。

有什么建议吗？

Answer 1

我们可以使用data.table。我们将 'data.frame' 转换为 'data.table' (setDT(df))，然后将 melt 数据集转换为 long 格式，使用 shift 和 type='lead'按 'id' 分组，然后删除 NA 元素。

library(data.table)
na.omit(melt(setDT(df), id.var='id')[, shift(value,0:1, type='lead') , id])
#   id         V1         V2
#1:  1 2014-01-01 2015-01-01
#2:  1 2015-01-01 2016-01-01
#3:  1 2016-01-01 2017-01-01
#4:  2 2014-03-01 2015-03-01
#5:  2 2015-03-01 2017-03-01
#6:  2 2017-03-01 2018-03-01
#7:  3 2014-06-01 2015-06-01
#8:  3 2015-06-01 2018-06-01
#9:  3 2018-06-01 2019-06-01

可以使用 setnames 或更早的 shift 步骤更改列名。

Answer 2

您可以尝试tidyr/dplyr如下：

library(tidyr)
library(dplyr)
df %>% gather(DateType, StartDate, -id) %>% select(-DateType) %>% arrange(id) %>% group_by(id) %>% mutate(EndDate = lead(StartDate))

您可以通过添加以下内容来消除每个 ID 组中的最后一行：

%>% slice(-4)

到上面的管道。

"Unnesting" R 中的数据框

"Unnesting" a dataframe in R

r

unnest