首页 文章

查找每个组的日间隔数

提问于
浏览 次
0

假设我有以下数据集

data
    Group       Date
    A        2016-03-10
    A        2016-03-11
    A        2016-03-12
    A        2016-04-13
    A        2016-04-14
    A        2016-05-15
    A        2016-05-16
    A        2016-05-17
    B        2016-02-11
    B        2016-02-12
    B        2016-02-13
    B        2016-02-19
    B        2016-03-15

我想找到每个组的不同日期间隔 . 例如，对于A组，2016-03-10至2016-03-12应为区间1，2016-04-13至2016-04-14应为区间2和2016-05-15至2016-05-17应该是间隔3.我想找到所有中断的地方以及每组发生了多少休息时间 . 通过这种方式我可以分析 . 应该为每个组计算 . 以下应该是我理想的输出，

Group       Date         Interval
A        2016-03-10         1
A        2016-03-11         1
A        2016-03-12         1
A        2016-04-13         2
A        2016-04-14         2
A        2016-05-15         3
A        2016-05-16         3
A        2016-05-17         3
B        2016-02-11         1
B        2016-02-12         1
B        2016-02-13         1
B        2016-02-19         2
B        2016-03-15         3

以下是我的尝试，

data %>% group_by(Group) %>% mutate(Date - lag(Date)) .

这给出了第一行的NA输出，每当日期改变时输出为1，当它没有改变时输出为0 . 但是我想要每个日期间隔1,2,3这样的东西 .

更新的数据集不能正常工作，

group       date     count
(factor)    (date)
1 Albany 2016-02-15    55
2 Albany 2016-02-16     1
3 Albany 2016-04-08    40
r dplyr

2 回答

  • 0

    你可以在差值向量上 cumsum ，当差值不是 1 时，该值被指定为 TRUE ：

    df %>% 
       group_by(Group) %>% 
       mutate(Interval = cumsum(Date - lag(Date, default = first(Date)) != 1))

# Source: local data frame [13 x 3]
# Groups: Group [2]

#    Group       Date Interval
#   <fctr>     <date>    <int>
#1       A 2016-03-10        1
#2       A 2016-03-11        1
#3       A 2016-03-12        1
#4       A 2016-04-13        2
#5       A 2016-04-14        2
#6       A 2016-05-15        3
#7       A 2016-05-16        3
#8       A 2016-05-17        3
#9       B 2016-02-11        1
#10      B 2016-02-12        1
#11      B 2016-02-13        1
#12      B 2016-02-19        2
#13      B 2016-03-15        3

    数据：

    df = structure(list(Group = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 2L, 2L, 2L, 2L, 2L), .Label = c("A", "B"), class = "factor"), 
    Date = structure(c(16870, 16871, 16872, 16904, 16905, 16936, 
    16937, 16938, 16842, 16843, 16844, 16850, 16875), class = "Date")), .Names = c("Group", 
"Date"), row.names = c(NA, -13L), class = "data.frame")
    回复于
  • 6

    这是这个问题的某种重复：Group rows in data frame based on time difference between consecutive rows

    基本上你想做这两个操作：

    df$gap <- c(0, (diff(df$date) > 1)*1) # identify gap between dates larger than 1
df$group <- cumsum(df$gap) + 1  # cumulative sum of 'gap' variable
    回复于

相关问题