R 折叠带条件的日期字段

Question

我有一个如下所示的数据集：

df=data.frame(c(1,2,2,2,3,4,4),
as.Date(c("2015-01-29","2015-02-02","2015-02-02","2015-02-02","2014-05-04","2014-05-04","2014-05-04")),
as.Date(c( "2010-10-01","2009-09-01","2014-01-01","2014-02-01","2009-01-01","2014-03-01","2013-03-01")),
as.Date(c("2016-04-30","2013-12-31","2014-01-31","2016-04-30","2014-02-28","2014-08-31","2013-05-01"))); 
names(df)=c('id','poi','start','end')

> df
  id        poi      start        end
1  1 2015-01-29 2010-10-01 2016-04-30
2  2 2015-02-02 2009-09-01 2013-12-31
3  2 2015-02-02 2014-01-01 2014-01-31
4  2 2015-02-02 2014-02-01 2016-04-30
5  3 2014-05-04 2009-01-01 2014-02-28
6  4 2014-05-04 2014-03-01 2014-08-31
7  4 2014-05-04 2013-03-01 2013-05-01

开始和结束日期是保险开始和结束日期，有时多行的开始日期相同，因为它们对应不同的保险类型。我有兴趣保留那些具有一致保险的 ID poi 前后一年的保险。每个ID只能有1个poi

我的输出将是一个 ID 列表，这些 ID 在 poi 前 1 年和 1 年 post 都有保险。在这种情况下，它会排除 id 3 和 4，因为它们在 poi 后 1 年没有覆盖。

  ids=c(1,2)

我尝试了以下方法，但老实说我不知道如何实现我想要的。

任何帮助将不胜感激。

library(rehape2)
df.melt=melt(df,
             id=c("id","poi"))

df.melt=mutate(df.melt, flag=ave(id,id,variable,FUN=seq_along))
df.melt=mutate(df.melt, variable=paste(variable,flag,sep ="_"))
df.cast=dcast(df.melt, id+poi~variable)

Answer 1

我认为这可以满足您的需求，但如果没有，您应该可以使用大于号和小于号：

 df[(df$poi-df$start)/365>1&(df$end-df$poi)/365>1,]

 > df[(df$poi-df$start)/365>1&(df$end-df$poi)/365>1,]
   id        poi      start        end
 1  1 2015-01-29 2010-10-01 2016-04-30
 4  2 2015-02-02 2014-02-01 2016-04-30

这为您提供了 df 的两行，其中包含您想要的值..

现在只有 ID 的：

 df$id[(df$poi-df$start)/365>1&(df$end-df$poi)/365>1]
 df$id[(df$poi-df$start)/365>1&(df$end-df$poi)/365>1]
 [1] 1 2

Answer 2

如果您想单独评估行，使用 dplyr 和 lubridate:

library(dplyr)
library(lubridate)

# filter to only rows with a POI within the desired range
df %>% filter(poi - years(1) >= start, 
              poi + years(1) <= end)

#   id        poi      start        end
# 1  1 2015-01-29 2010-10-01 2016-04-30
# 2  2 2015-02-02 2014-02-01 2016-04-30

如果您更愿意为一个 ID 评估所有行，可能类似于

# group to summarize IDs separately
df %>% group_by(id, poi) %>% 
    # collapse rows to min start and max end for each ID
    summarise(start = min(start), 
              end = max(end)) %>% 
    # filter to only rows with a POI within the desired range
    filter(poi - years(1) >= start, 
           poi + years(1) <= end)

# Source: local data frame [2 x 4]
# Groups: id [2]
# 
#      id        poi      start        end
#   (dbl)     (date)     (date)     (date)
# 1     1 2015-01-29 2010-10-01 2016-04-30
# 2     2 2015-02-02 2009-09-01 2016-04-30

不过，如果可能的话，这种方法会忽略覆盖范围内的差距。如果是这样，lubridate::interval 和 int_overlaps 可能有助于仔细压缩行。

R 折叠带条件的日期字段

R collapse date fields with conditions

r

date

conditional

aggregate

collapse