Question

我有一个包含两列Id和Date的数据集，如下所示，使用玩具数据集。

   Id         Date
   5373283    2010-11-05
   5373283    2014-11-05
   5373283    2001-07-13
   5373283    2007-12-01
   5373283    2015-07-07 
   3475684    2015-05-19
   3475684    2010-06-24

我想检查each id的任何日期是否在2年范围内。如果是，则列将显示是，否则，否。最终输出将如此

   Id         Status
   5373283    Yes
   3475684    No

Yes的{p> Id 5373283因为2014-11-05和2015-07-07这两个日期相隔两年。 No Id 3475684，因为这两个日期相差超过2年。任何帮助完成这一点非常感谢。

Answer 1

假设数据。

DF <- data.frame(id = c(1, 1, 1, 2, 2),
                 date = c("2010-10-9", "2012-10-8", "2008-10-5",
                          "2007-7-5", "2009-7-5"), stringsAsFactors = FALSE)

以下代码按ID显示最小间隔（以天为单位）。发生的事情是： mutate将日期重新定义为Date类 arrange按日期对数据进行排序 group_by告诉每个ID应该进行以下计算， summarize计算最小差异。

library(dplyr)
DF %>% mutate(date = as.Date(date)) %>%
  arrange(date) %>%
  group_by(id) %>%
  summarize(diffmin = as.numeric(min(diff(date)), units = "days"))
#     id diffmin
#  (dbl)   (dbl)
#1     1     730
#2     2     731

如果您可以忽略闰年，则小于或等于730意味着在2年内。请注意，2007-7-5和2009-7-5之间的差异为731天，因此判断为2年。

如果这对你不好，简单的日差是不够的。我需要定义一个自定义检查器功能。

check2years <- function(a, b) {
  # check if b - a <= 2 years
  # assumes a and b are Date
  yr_a <- format(a, "%Y") %>% as.integer()
  yr_b <- format(b, "%Y") %>% as.integer()
  dy_a <- format(a, "%m-%d")
  dy_b <- format(b, "%m-%d")
  (yr_b - yr_a < 2) | ((yr_b - yr_a == 2) & (dy_b >= dy_a))
}

然后，您可以通过以下方式检查任何组合是否在2年内。

DF %>% mutate(date = as.Date(date)) %>%
  arrange(date) %>%
  group_by(id) %>%
  summarize(within2yr = any(check2years(head(date, length(date)-1), 
                                        tail(date, length(date)-1))))
#     id within2yr
#  (dbl)     (lgl)
#1     1      TRUE
#2     2      TRUE

Answer 2

您也可以在没有任何库的情况下解决此问题：

使用您的示例：

Id = c(5373283,5373283,5373283,5373283,5373283,3475684,3475684)
Date = as.Date(c("2010-11-05","2014-11-05","2001-07-13","2007-12-01","2015-07-07","2015-05-19","2010-06-24"))
df = data.frame(Id,Date)

> df
       Id       Date
7 3475684 2010-06-24
6 3475684 2015-05-19
3 5373283 2001-07-13
4 5373283 2007-12-01
1 5373283 2010-11-05
2 5373283 2014-11-05
5 5373283 2015-07-07

执行以下操作：

首先按ID，然后按日期

订购数据

df = df[order(df$Id,df$Date),]

使用函数aggregate按ID执行min(diff(x))，其中x是每个Id的日期。

z = aggregate(df$Date,by = list(Id = df$Id),FUN = function(x){min(diff(x))})

此功能的作用是返回相邻日期之间的最低差异。这就是您需要先订购数据框的原因这将返回：

> z
       Id     x
1 3475684 1790 
2 5373283  244

列x是天数的最小差异。

在这里，您只需要评估列x是否小于或等于2 * 365

z$result  = z$x<=2*365

，并提供：

       Id     x result
1 3475684 1790   FALSE
2 5373283  244    TRUE

最终代码

df = df[order(df$Id,df$Date),]
z = aggregate(df$Date,by = list(Id = df$Id),FUN = function(x){min(diff(x))})
z$result  = z$x>=2*365

Answer 3

您可以在库dplyr中使用类似的内容，以便为每个ID按排序顺序排列前两个日期，并查看它们是否相差两年：

library(dplyr)
df$Date <- as.Date(df$Date)
df %>%
  group_by(Id) %>%
  summarise(Status = as.numeric(difftime(max(Date), Date[order(Date, decreasing = TRUE)][2], units = 'days')) < 730)

输出如下：

Source: local data frame [2 x 2]

       Id Status
    (int)  (lgl)
1 3475684  FALSE
2 5373283   TRUE

R检查日期是否相隔2年

3 个答案: