Question

我有一个R data.table，其结构如下：

> str(dat)
Classes ‘data.table’ and 'data.frame':  26802896 obs. of  4 variables:
 $ id : chr  ...
 $ date1 : Date, format: "2011-12-15" "2012-11-02" ...
 $ date2: Date, format: "2010-08-15" "2011-01-04" ...
 $ row_name : chr  ...

我的目标是创建一个新变量matching_row_name，其行名称由date1-date2>0 days & date1-date2<30 days按id分层。在多个匹配的情况下，我想使用row_name的{{1}}作为匹配变量。没有关系。

我制作了一个可重现的样本min(date1-date2)，如下所示：

data.table

看起来像这样

latemail <- function(N, st="2012/01/01", et="2013/12/31") {
  st <- as.POSIXct(as.Date(st))
  et <- as.POSIXct(as.Date(et))
  dt <- as.numeric(difftime(et,st,unit="sec"))
  ev <- sort(runif(N, 0, dt))
  rt <- st + ev
}
set.seed(1)
date1=latemail(1000, st="2012/01/01", et="2013/12/31")
set.seed(2)
date2=latemail(1000, st="2012/01/02", et="2013/12/31")
set.seed(3)
ids=sample(letters[1:10],100,replace=TRUE)
dat=data.table(date1=date1,date2=date2,id=ids,row_name=seq(1:1000))
dat=dat[date1<date2]

我尝试过以下内容：

> dat
                   date1               date2 id row_name
  1: 2012-01-01 18:01:58 2012-01-02 06:36:13  b        1
  2: 2012-01-02 03:10:54 2012-01-03 14:57:18  i        2
  3: 2012-01-02 04:51:47 2012-01-04 03:47:44  d        3
  4: 2012-01-06 17:24:37 2012-01-06 23:12:37  g        5
  5: 2012-01-08 22:20:21 2012-01-09 09:12:45  f        9

无济于事。

理想的输出将是这样的（注意我在这个例子中构成了行名2的值）：

test_function=function(date1="date1",date2="date2"){return(which(as.numeric((date1-date2))==as.numeric(min(date1-date2))))}
dat=dat[,test:=lapply(.SD,test_function), by =id, .SDcols = c("date1","date2")]

或者如果范围内没有第二个日期，那么

                   date1               date2 id row_name matching_row_name
  1: 2012-01-01 18:01:58 2012-01-02 06:36:13  b        1   32

Answer 1

我做了几个假设，因为一些细节在问题中并不清楚。由于没有正date1 - date2个值，我使用了date2 - date1。我也花了几分钟作为时间单位。然后我的回答是：

f <- function(date1, date2) {
  dd <- as.numeric(difftime(date2, date1, units = 'days'))
  id <- which(dd > 0 & dd < 30)
  n <- length(id)
  if(n >= 1) which.min(dd)
  else if (n < 1) NA_integer_
}
dat[, matching_row_name := row_name[f(date1, date2)], by = id]

如果有其他说明，我会更新答案。

在data.table

1 个答案: