对于这个例子,你可能可以使用sapply
分析每一行,计算当天或最多 4 天前的条目数,如下所示:
df1$lastFour <-
sapply(df1$dates, function(x){
sum(df1$dates <= x & df1$dates >= x - 4)
})
结果是df1
of:
dates group1 group2 lastFour
1 2011-10-09 A D 1
2 2011-10-15 C A 1
3 2011-10-16 A B 2
4 2011-10-18 A H 3
5 2011-10-21 L A 2
6 2011-10-22 F A 3
7 2011-10-24 A E 3
如果,正如您的问题所暗示的那样,您的数据来自更大的集合,并且您想要对每个组进行分析(从概念上讲,我认为问题是:有多少事件发生了)这个组过去四天?仅在该组有活动的日子询问),您可以按照以下步骤操作。
首先,这里有一些较大的样本数据,其中的组标记为字母表的前 10 个字母:
biggerData <-
data.frame(
dates = sample(seq(as.Date("2011-10-01")
, as.Date("2011-10-31")
, 1)
, 100, TRUE)
, group1 = sample(LETTERS[1:10], 100, TRUE)
, group2 = sample(LETTERS[1:10], 100, TRUE)
)
接下来,我提取数据中的所有组(在这里,我知道它们,但对于您的真实数据,您可能已经或可能没有该组列表)
groupsInData <-
sort(unique(c(as.character(biggerData$group1)
, as.character(biggerData$group2))))
然后,我循环遍历该组名称向量,并提取该组的每个事件作为两个组之一,添加与上面相同的列,并将单独的 data.frames 保存在列表中(并命名它们以使其成为更容易访问/跟踪它们)。
sepGroupCounts <- lapply(groupsInData, function(thisGroup){
dfTemp <- biggerData[biggerData$group1 == thisGroup |
biggerData$group2 == thisGroup, ]
dfTemp$lastFour <-
sapply(dfTemp$dates, function(x){
sum(dfTemp$dates <= x & dfTemp$dates >= x - 4)
})
return(dfTemp)
})
names(sepGroupCounts) <- groupsInData
为数据中的每个组返回一个 data.frame,就像上面一样。
而且,我无法控制自己,所以这是一个dplyr
and tidyr
解决方案也是如此。它与上面基于列表的解决方案没有太大区别,只是它返回同一 data.frame 中的所有内容(这可能是好事,也可能不是好事,特别是因为这样每个事件都会有两个条目)。
首先,为了简单起见,我定义了一个函数来进行日期检查。这也可以很容易地在上面使用。
myDateCheckFunction <- function(x){
sapply(x, function(thisX){
sum(x <= thisX & x >= thisX - 4 )
})
}
接下来,我将构建一组逻辑测试来确定每个组是否存在。这些将用于为每个组生成列,为每个事件中的存在/缺席提供 TRUE/FALSE。
dotsConstruct <-
paste0("group1 == '", groupsInData, "' | "
, "group2 == '", groupsInData, "'") %>%
setNames(groupsInData)
最后,将其全部放入一个管道调用中。我没有描述,而是对每个步骤进行了评论。
withLastFour <-
# Start with data
biggerData %>%
# Add a col for each group using Standard Evaluation
mutate_(.dots = dotsConstruct) %>%
# convert to long form; one row per group per event
gather(GroupAnalyzed, Present, -dates, -group1, -group2) %>%
# Limit to only rows where the `GroupAnalyzed` is present
filter(Present) %>%
# Remove the `Present` column, as it is now all "TRUE"
select(-Present) %>%
# Group by the groups we are analyzing
group_by(GroupAnalyzed) %>%
# Add the column for count in the last four dates
# `group_by` limits this to just counts within that group
mutate(lastFour = myDateCheckFunction(dates)) %>%
# Sort by group and date for prettier checking
arrange(GroupAnalyzed, dates)
结果与上面类似list
输出,除了一个 data.frame 中的所有内容,这可以更轻松地分析某些功能。顶部看起来像这样:
dates group1 group2 GroupAnalyzed lastFour
<date> <fctr> <fctr> <chr> <int>
1 2011-10-01 B A A 1
2 2011-10-02 J A A 2
3 2011-10-05 C A A 5
4 2011-10-05 C A A 5
5 2011-10-05 G A A 5
6 2011-10-08 E A A 5
请注意,我的随机样本在 10 月 5 日发生了多个事件,导致此处计数较多。