R：按时间间隔计算日期 [英] R: Counting dates within time intervals
问题描述
假设我们有数据输入：
df.in< - data.frame（event = c ，3,4,5），
start = c（2015-01-01，2015-01-01，2015-01-02，
2015-01-02 ，2015-01-03），
end = c（2015-01-03，2015-01-04，2015-01-03，
01-05，2015-01-05））
df.in $ start< - as.Date（df.in $ start，％Y-％m-％d）
df.in $ end< - as.Date（df.in $ end，％Y-％m-％d）
> df.in
事件开始结束
1 1 2015-01-01 2015-01-03
2 2 2015-01-01 2015-01-04
3 3 2015- 01-02 2015-01-03
4 4 2015-01-02 2015-01-05
5 5 2015-01-03 2015-01-05
目标是计算所有事件的日期发生情况（包括开始，不包括结束）。要填写这个数据框：
df.out< - data.frame（date = c（2015-01- 01，2015-01-02，2015-01-03，
2015-01-04，2015-01-05），
count = 0）
df.out $ date< - as.Date（df.out $ date，％Y-％m-％d）
> df.out
日期计数
1 2015-01-01 0
2 2015-01-02 0
3 2015-01-03 0
4 2015-01 -04 0
5 2015-01-05 0
从概念上看，它会像这样：
＃1 **
＃2 ****
＃3 ***
＃4 **
＃5
所以，我目前的想法是一个循环：
for（i in seq_along（df.out $ date））{
temp.df< - df。在[df.in $ start< = df.out $ date [i]]中，
df.out $ count [i]< - nrow（temp.df） - nrow（temp.df [ df $ end< = df.out $ date [i]，]）
}
> df.out
日期计数
1 2015-01-01 2
2 2015-01-02 4
3 2015-01-03 3
4 2015-01 -04 2
5 2015-01-05 0
它的作品，但我是排序害怕我正在调用的这个 temp.df 可能会将雪球变成非常大的东西。鉴于事件数量可以轻松达到数十甚至数十万。
所以我的问题是 - 可以有一个更有效的方式吗？也许通过使用一些日期包，如 lubridate 哪里可以以某种方式向量化整个事情？
所以我已经对 data.table :: foverlaps（）。我会把研究结果留给任何可能会发现有用的结果，因为我真的没有在搜索类似的帖子中找到这些小东西。鉴于我们正在比较间隔，只有在 y 参数之间有间隔，这是 df.in 在这种特殊情况下 - 我们必须人为地做一个。例如在 df.out $ date2< - df.out $ date 中。此外，没有简单的（或者我找不到任何）设置包含或排除设置间隔端点的方式。鉴于我们要在 df.in $ end 中排除端点，我们必须在数据表本身上使用简单的简单 df手动执行。在$ end< - df.in $ end - 1 。
长篇小说，这里是一个工作示例：
require（data.table）
df.out< - data.table（date = c（2015-01-01 ，2015-01-02，2015-01-03，
2015-01-04，2015-01-05），
count = 0）
df.out $ date< - as.Date（df.out $ date，％Y-％m-％d）
df.in< - data.table（event = c（1,2,3,4,5），
start = c（2015-01-01，2015-01-01，2015-01-02，
2015-01-02，2015-01-03），
end = c（2015-01-03，2015-01-04，2015-01-03，
2015-01-05，2015-01-05））
df.in $ start< - as.Date（df.in $ start，％Y-％m-％d ）
df.in $ end< - as.Date（df.in $ end，％Y-％m-％d） - 1
setkey（df.i n，开始，结束）
df.out $ date2< - df.out $ date
df.test< - foverlaps（x = df.out，y = df.in，type =在，by.x = c（date，date2），by.y = c（start，end））
df.test $ count [！is.na（df。 test $ event）]< - 1
aggregate（count〜date，data = df.test，sum）
日期计数
1 2015-01-01 2
2 2015-01-02 4
3 2015-01-03 3
4 2015-01-04 2
5 2015-01-05 0
或者，您可以执行
<数据
df.out< - data.table（date = as.Date c（2015-01-01，2015-01-02，2015-01-03，
2015-01-04，2015-01-05）））
df.in< - data.table（event = 1：5，
start = as.Date（c（2015-01-01，2015-01-01 2015-01-02，
2015-01-02，2015-01-03）），
end = as.Date（c（2015-01-03 2015-01-04，2015-01-03，
2015-01-05，2015-01-05）））
解决方案
df.out [，`：=`（start = date，end = date） $ b df.in [，end：= end - 1L]
setkey（df.out，start，end）
foverlaps（df.in，df.out）[，。（count = ），by = date]
＃date count
＃1：2015-01-01 2
＃2：2015-01-02 4
＃3：2015-01- 03 3
＃4：2015-01-04 2
或，如果要更新 df.out ，您也可以执行
res< - foverlaps（df.in，df.out，which = TRUE）[，.N，by = yid]
df.out [res $ yid，Count：= res $ N]
df.out [is.na（Count），Count：= 0L]
Assume we have data input:
df.in <- data.frame(event = c(1,2,3,4,5),
start = c("2015-01-01", "2015-01-01", "2015-01-02",
"2015-01-02", "2015-01-03"),
end = c("2015-01-03", "2015-01-04", "2015-01-03",
"2015-01-05", "2015-01-05"))
df.in$start <- as.Date(df.in$start, "%Y-%m-%d")
df.in$end <- as.Date(df.in$end, "%Y-%m-%d")
> df.in
event start end
1 1 2015-01-01 2015-01-03
2 2 2015-01-01 2015-01-04
3 3 2015-01-02 2015-01-03
4 4 2015-01-02 2015-01-05
5 5 2015-01-03 2015-01-05
Goal is to count date occurrences for all events (including start, excluding end). To fill out this data frame:
df.out <- data.frame(date = c("2015-01-01", "2015-01-02", "2015-01-03",
"2015-01-04", "2015-01-05"),
count = 0)
df.out$date <- as.Date(df.out$date, "%Y-%m-%d")
> df.out
date count
1 2015-01-01 0
2 2015-01-02 0
3 2015-01-03 0
4 2015-01-04 0
5 2015-01-05 0
Conceptually it would look something like this:
#1 **
#2 ****
#3 ***
#4 **
#5
So, my current idea is a loop:
for(i in seq_along(df.out$date)){
temp.df <- df.in[df.in$start <= df.out$date[i],]
df.out$count[i] <- nrow(temp.df) - nrow(temp.df[temp.df$end <= df.out$date[i],])
}
> df.out
date count
1 2015-01-01 2
2 2015-01-02 4
3 2015-01-03 3
4 2015-01-04 2
5 2015-01-05 0
It works, but I am sort of afraid that this temp.df that I am invoking can potentially snowball into something very large. Given that count of events can easily go into tens or even hundreds of thousands.
So my question is - can there be a more efficient way? Perhaps by using some date packages such as lubridate where I can somehow vectorize the whole thing?
So I've done my research on data.table::foverlaps(). I'll leave my findings to whoever might find it useful as I honestly didn't really find these little things in searching similar posts.
Given that we are comparing intervals and we have interval only on y argument which is df.in in this particular case - we have to artificially make one. As in df.out$date2 <- df.out$date for example. Also, there is no straightforward (or I couldn't find any) way to set inclusion or exclusion of set interval endpoints. Given that we want to exclude endpoint in df.in$end we'll have to do it manually on the data table itself with plain simple df.in$end <- df.in$end - 1.
Long story short, here is a working example:
require(data.table)
df.out <- data.table(date = c("2015-01-01", "2015-01-02", "2015-01-03",
"2015-01-04", "2015-01-05"),
count = 0)
df.out$date <- as.Date(df.out$date, "%Y-%m-%d")
df.in <- data.table(event = c(1,2,3,4,5),
start = c("2015-01-01", "2015-01-01", "2015-01-02",
"2015-01-02", "2015-01-03"),
end = c("2015-01-03", "2015-01-04", "2015-01-03",
"2015-01-05", "2015-01-05"))
df.in$start <- as.Date(df.in$start, "%Y-%m-%d")
df.in$end <- as.Date(df.in$end, "%Y-%m-%d") - 1
setkey(df.in, start, end)
df.out$date2 <- df.out$date
df.test <- foverlaps(x = df.out, y = df.in, type = "within", by.x = c("date", "date2"), by.y = c("start", "end"))
df.test$count[!is.na(df.test$event)] <- 1
aggregate(count ~ date, data = df.test, sum)
date count
1 2015-01-01 2
2 2015-01-02 4
3 2015-01-03 3
4 2015-01-04 2
5 2015-01-05 0
Alternatively, you could do
Data
df.out <- data.table(date = as.Date(c("2015-01-01", "2015-01-02", "2015-01-03",
"2015-01-04", "2015-01-05")))
df.in <- data.table(event = 1:5,
start = as.Date(c("2015-01-01", "2015-01-01", "2015-01-02",
"2015-01-02", "2015-01-03")),
end = as.Date(c("2015-01-03", "2015-01-04", "2015-01-03",
"2015-01-05", "2015-01-05")))
Solution
df.out[, `:=`(start = date, end = date)]
df.in[, end := end - 1L]
setkey(df.out, start, end)
foverlaps(df.in, df.out)[, .(count = .N), by = date]
# date count
# 1: 2015-01-01 2
# 2: 2015-01-02 4
# 3: 2015-01-03 3
# 4: 2015-01-04 2
Or, if you want to update df.out, you could also do
res <- foverlaps(df.in, df.out, which = TRUE)[, .N, by = yid]
df.out[res$yid, Count := res$N]
df.out[is.na(Count), Count := 0L]
这篇关于R：按时间间隔计算日期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！
