我有一个数据框df，其中包含汽车销售公司的数据。数据框包含特定日期的日期和销售数量。每个销售人员都有一个staff_id。假人inital_sell表示哪一天是该人的第一个工作日。
现在我想添加一个列months_since_start，该列会在该人开始工作后的每个月的每一天添加。然后我可以使用sells和months_since_start列来绘制自销售人员开始工作以来每个月的平均销售额（每个销售人员在第2个月销售，在第2个月......） 。由于缺少某些日期和月份（例如，在假期期间，如示例的底部所示），我无法简单地添加序列以获取months_since_start。
date year month staff_id sells initial_sell months_since_start
2014-11-11 2014 11 1 3 1 1
2014-11-12 2014 11 1 1 0 1
2014-11-14 2014 11 1 1 0 1
2014-11-15 2014 11 1 2 0 1
...
2014-12-10 2014 12 1 2 0 1
2014-12-11 2014 12 1 1 0 2
...
2014-12-23 2014 12 2 1 1 1
2015-02-02 2015 2 2 4 0 2
2015-02-03 2015 2 2 1 0 2
...
2015-03-23 2015 3 2 3 0 4
...
有人可以帮助我如何获取month_since_start列吗？
答案 0 :(得分：3)
假设输入按staff_id和date排序，如问题所示，并在注释的末尾显示。定义months函数，该函数给出工作人员的日期的排序向量，返回该成员自开始（即自第一个日期起）以来的月份。然后使用tapply将其应用于每个员工。 tapply会返回按staff_id排序的列表，因此请使用unlist对其进行解析。没有包使用。
Months <- function(date) {
with(as.POSIXlt(date), 12 * (year - year[1]) + (mon - mon[1]) + (mday >= mday[1]))
}
transform(DF, months_since_start = unlist(tapply(date, staff_id, FUN = Months)))
，并提供：
date year month staff_id sells initial_sell months_since_start
1 2014-11-11 2014 11 1 3 1 1
2 2014-11-12 2014 11 1 1 0 1
3 2014-11-14 2014 11 1 1 0 1
4 2014-11-15 2014 11 1 2 0 1
5 2014-12-10 2014 12 1 2 0 1
6 2014-12-11 2014 12 1 1 0 2
7 2014-12-23 2014 12 2 1 1 1
8 2015-02-02 2015 2 2 4 0 2
9 2015-02-03 2015 2 2 1 0 2
10 2015-03-23 2015 3 2 3 0 4
备用使用ave代替tapply的备选方案如下。 Months如上所述。 MonthsDF调用Months但接受行号而不是日期本身。此解决方案仍假定数据在date内按staff_id排序，但由于ave以与输入相同的顺序返回其输出，因此无需按staff_id排序。 ave的缺点是它不能以这里所需的方式处理"Date"类数据，这就是为什么我们使用行号作为MonthsDF的输入：
MonthsDF <- function(ix) Months(DF$date[ix])
transform(DF, months_since_start = ave(seq_along(date), staff_id, FUN = MonthsDF))
注意：使用了此输入：
Lines <- "date year month staff_id sells initial_sell
2014-11-11 2014 11 1 3 1
2014-11-12 2014 11 1 1 0
2014-11-14 2014 11 1 1 0
2014-11-15 2014 11 1 2 0
2014-12-10 2014 12 1 2 0
2014-12-11 2014 12 1 1 0
2014-12-23 2014 12 2 1 1
2015-02-02 2015 2 2 4 0
2015-02-03 2015 2 2 1 0
2015-03-23 2015 3 2 3 0"
DF <- read.table(text = Lines, header = TRUE)
DF$date <- as.Date(DF$date)
# in the question the input is already sorted by staff_id and date so
# the next two lines are not really needed but if we had non-sorted data
# then we should first sort it like this to be in the same form as in question
o <- with(DF, order(staff_id, date))
DF <- DF[o, ]
答案 1 :(得分：2)
使用dplyr和lubridate的方法：
library(dplyr)
library(lubridate)
# some sample data
df <- data.frame(date = rep(seq(as.Date('2014-01-01'), as.Date('2014-04-04'), by = 30), 3),
staff_id = rep(1:3, each = 4))
所以df看起来像：
> head(df)
date staff_id
1 2014-01-01 1
2 2014-01-31 1
3 2014-03-02 1
4 2014-04-01 1
5 2014-01-01 2
6 2014-01-31 2
现在使用dplyr到group_by staff_id，然后使用mutate添加列。在mutate内，months_since_start从time_length imum日期interval设置min staff_id，感谢{{1} }}和每行的group_by。将date的{{1}}设置为unit。
time_length你得到：
month如果您想要完成月份，请在df %>% group_by(staff_id) %>%
mutate(months_since_start = time_length(interval(min(date),
date),
unit = 'month'))
中换Source: local data frame [12 x 3]
Groups: staff_id [3]
date staff_id months_since_start
(date) (int) (dbl)
1 2014-01-01 1 0.0000000
2 2014-01-31 1 0.9677419
3 2014-03-02 1 2.0322581
4 2014-04-01 1 3.0000000
5 2014-01-01 2 0.0000000
6 2014-01-31 2 0.9677419
7 2014-03-02 2 2.0322581
8 2014-04-01 2 3.0000000
9 2014-01-01 3 0.0000000
10 2014-01-31 3 0.9677419
11 2014-03-02 3 2.0322581
12 2014-04-01 3 3.0000000
。