R带条件折叠日期字段

368yc8dk  于 2022-12-06  发布在  其他
关注(0)|答案(2)|浏览(91)

我有一个数据集,如下所示:

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

开始日期和结束日期是保险的开始和结束日期,有时多行的开始日期相同,因为它们属于不同的保险类型。我对保留那些在POI前后一年具有一致保险范围的ID感兴趣。每个ID只能有1个POI。
我的输出将是一个有保险覆盖范围的身份证1年前和1年后的兴趣点列表。在这种情况下,它将排除身份证3和4,因为他们没有保险覆盖范围1年后的兴趣点。

ids=c(1,2)

我已经尝试了以下方法,但老实说,我不知道如何才能达到我想要的。
任何帮助都将不胜感激。

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)
kuuvgm7e

kuuvgm7e1#

如果要使用dplyrlubridate分别计算行:

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

如果您更愿意计算一个ID的所有行,则可能类似于

# 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

如果可能的话,这种方法会忽略覆盖率中的间隙,如果是这样的话,lubridate::intervalint_overlaps在仔细压缩行时可能是有用的。

nnsrf1az

nnsrf1az2#

我认为这符合您的要求,但如果不符合,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

这将为您提供保存所需值的两行df。
现在只剩下id了:

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

相关问题