我有两列，每一周的开始和结束日期。我需要按月通过特定月份的平均周数来聚合其他列（我有3年的数据集），并创建另一列，将包含整个月的重量（因此它将在5 - 6周内是相同的值，取决于特定的ID在特定的月份有多少周（我在数据集中有数千个ID）。棘手的是，有些周是重叠的，因此，有时一行会被纳入两个月的计算中，例如，当我们有start_date = 2020 - 07 - 27和end_date = 2020 - 08 - 09时（必须同时计入7月和8月）。这是我的数据：
| 识别号|重量|开始日期|结束日期|
| - ------|- ------|- ------|- ------|
| 六十|一、二|2019年12月30日|2020年1月5日|
| 六十|一、四|2020年1月6日|2020年1月12日|
| 六十|一、三|2020年1月13日|2020年1月19日|
| 六十|1.0秒|2020年1月20日|2020年1月26日|
| 六十|三、八|2020年1月27日|2020年2月2日|
| 六十一|一、七|2019年12月30日|2020年1月5日|
| 六十一|十二、九|2020年1月6日|2020年1月12日|
我想获得：
| 识别号|重量|开始日期|结束日期|月_体重|月份|
| - ------|- ------|- ------|- ------|- ------|- ------|
| 六十|一、二|二〇二〇年十二月三十日|2020年1月5日|一、七十四|二○二○年一月|
| 六十|一、四|2020年1月6日|2020年1月12日|一、七十四|二○二○年一月|
| 六十|一、三|2020年1月13日|2020年1月19日|一、七十四|二○二○年一月|
| 六十|1.0秒|2020年1月20日|2020年1月26日|一、七十四|二○二○年一月|
| 六十|三、八|2020年1月27日|2020年2月2日|一、七十四|二○二○年一月|
| 六十一|一、七|二〇二〇年十二月三十日|2020年1月5日|七、三|二○二○年一月|
| 六十一|十二、九|2020年1月6日|2020年1月12日|七、三|二○二○年一月|
首先，我想做一个循环，检测两列中的每个月，如果月份出现，它将从其他列中取平均值，但后来我发现堆栈溢出（How to convert weekly data into monthly data?）有类似的问题，并决定使用zoo。
我试着从上面的职位实施解决方案：
library(zoo)
z.st <- read.zoo(long_weights[c("start_date", "weight")])
z.en <- read.zoo(long_weights[c("end_date", "weight")])
z <- c(z.st, z.en)
g <- zoo(, seq(start(z), end(z), "day"))
m <- na.locf(merge(z, g))
aggregate(m, as.yearmon, mean)但是在这一行之后：
z <- c(z.st, z.en)我得到一个错误：绑定. zoo（...）时出错：指标重叠
我也试过了，但这没有考虑到重叠的几周：
df <- df %>% group_by(HHKEY, month = floor_date((as.Date(end_date)- as.Date(start_date))/2 + as.Date(start_date), "month")) %>% mutate(monthly_weight = mean(weight), .after = end_date, month = format(month, "%Y.%m")) %>% ungroup()
1条答案
按热度按时间x8diyxa71#
一种可能的解决方案是，当a start_date a与分组变量 month 的结束日期不同时（在月末），获取每个月的 start_date。扩展数据以包括 ID 内的年份变化。
扩展数据