循环日期间隔以创建多个变量 [英] loop through date intervals to create multiple variables

问题描述

假设我有以下数据集：

    library(lubridate)
    library(tidyverse)
    df <- data.frame(date1 = c("2011-09-18", "2013-03-06", "2013-08-08"),
                     date2 = c("2012-02-18", "2014-03-06", "2015-02-03"))
    df$date1 <- as.Date(parse_date_time(df$date1, "ymd"))
    df$date2 <- as.Date(parse_date_time(df$date2, "ymd"))
    df
    #        date1      date2
    # 1 2011-09-18 2012-02-18
    # 2 2013-03-06 2014-03-06
    # 3 2013-08-08 2015-02-03

我想创建指示器变量来告知年份是否与日期之间的时间间隔相关联。例如，第三个观察值与2013、2014、2015相关联。此外，如果特定日期在该间隔内，例如每年的4月1日，我希望创建变量。

所需输出：

       date1      date2 y_2011 y_2012 y_2013 y_2014 y_2015 y_1st_2011 y_1st_2012 y_1st_2013 y_1st_2014 y_1st_2015
1 2011-09-18 2012-02-18      1      1      0      0      0          0          0          0          0          0
2 2013-03-06 2014-03-06      0      0      1      1      0          0          0          1          0          0
3 2013-08-08 2015-02-03      0      0      1      1      1          0          0          0          1          0

手动我可以这样做：

#is 2011 associated with dates
df$y_2011 <- if_else(year(df$date1) == 2011, 1, 0, as.numeric(NA))
#is 2014 associated with dates
df$y_2014 <- if_else(between(2014, year(df$date1), year(df$date2)), 1, 0, as.numeric(NA))

#is particular date (2014-04-01) within interval
df$y_1st_2014 <- if_else(between("2014-04-01", df$date1, df$date2), 1, 0, as.numeric(NA))

我想把它放到一个函数中，这样它就更自动化了：

#particular date, 1st of April of each year
b <- seq(as.Date("2011-04-01"), by = "year", length.out = 5)
b
#[1] "2011-01-01" "2012-01-01" "2013-01-01" "2014-01-01" "2015-01-01"

#for year
a <- c(2011:2015)
[1] 2011 2012 2013 2014 2015
df[paste0("y_", a)] <- lapply(a, function(x) if_else(between(a, 
year(df$date1), year(df$date2)), 1, 0, as.numeric(NA)))

有什么建议吗？最好使用dplyr/purrr解决方案。

参考文献： Test if date occurs in multiple date ranges with R

Check if a date is within an interval in R

Loop to add new columns with ifelse

推荐答案

以下是创建与日期范围关联的年份矩阵的解决方案：

library(lubridate)
library(tidyr)
library(dplyr)
df <- data.frame(date1 = c("2011-09-18", "2013-03-06", "2013-08-08"),
                 date2 = c("2012-02-18", "2014-03-06", "2015-02-03"))
df$date1 <- as.Date(parse_date_time(df$date1, "ymd"))
df$date2 <- as.Date(parse_date_time(df$date2, "ymd"))

#identify the years associated with each row.
df$year<-sapply(1:nrow(df), function(i){
  paste(seq(as.numeric(format(df$date1[i], "%Y")), 
            as.numeric(format(df$date2[i], "%Y"))), collapse = ",")})

#separate and convert to wide format
df %>% separate_rows( year, sep=",") %>% 
  mutate(value=1) %>%
  spread(key=year, value=value, fill=0)

#        date1      date2 2011 2012 2013 2014 2015
# 1 2011-09-18 2012-02-18    1    1    0    0    0
# 2 2013-03-06 2014-03-06    0    0    1    1    0
# 3 2013-08-08 2015-02-03    0    0    1    1    1

使用between函数是测试特定日期是否在该范围内的可行选择。

这篇关于循环日期间隔以创建多个变量的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！