我对编程很新，对R来说很新。
当使用带有嵌套ifelse语句的dplyr的mutate函数时，我会获得一些记录的结果，并为其他记录更正。我不知道为什么我会得到NAs。
运行以下代码时，我的期望是会发生以下情况：
active_m0将创建所有仍然“活跃”的记录。 （定义为那些没有cancel_date或cancel_date等于或等于join_date月份和年份的记录。active_m1将创建所有仍然“活跃”的记录。与join_date相比，下个月。 -
tom35 <- mutate(tom35, active_m0 = sum(
ifelse(is.na(cancel_date),
1,
ifelse(year(cancel_date) == year(join_date) &
month(cancel_date) == month(join_date),
0,
ifelse(year(cancel_date) == year(join_date) &
month(cancel_date) < month(join_date),
0,
1)))))
tom35 <- mutate(tom35, active_m1 = sum(
ifelse(is.na(cancel_date),
1,
ifelse(year(cancel_date) == year(join_date) &
month(cancel_date) == month(join_date + months(1)),
0,
ifelse(year(cancel_date) == year(join_date) &
month(cancel_date) < month(join_date + months(1)),
0,
1)))))
active_m0部分似乎工作正常。 active_m1正在为数据集中的56248个记录中的33000个工作。剩下的就是人口普查而不是总和。 我将数据子集化为具有active_m1的正确总和的数据：
head（select（tom35_clean，join_date，cancel_date，cohort，total_joins，active_m0，active_m1）） 来源：本地数据框[6 x 6] 团体：队列[5]
join_date cancel_date cohort total_joins active_m0 active_m1
<date> <date> <fctr> <int> <dbl> <dbl>
1 2015-04-23 2015-05-27 2015-4 6493 5953 3806
2 2014-09-22 2014-11-27 2014-9 4093 3614 2275
3 2015-07-07 2015-07-31 2015-7 1923 1719 671
4 2014-11-14 2015-12-09 2014-11 3808 3515 2165
5 2015-04-23 2016-06-04 2015-4 6493 5953 3806
6 2015-02-16 2015-02-25 2015-2 9051 8411 5480
> str(select(tom35_clean, join_date, cancel_date, cohort, total_joins, active_m0, active_m1))
Classes ‘grouped_df’, ‘tbl_df’, ‘tbl’ and 'data.frame': 33010 obs. of 6 variables:
$ join_date : Date, format: "2015-04-23" "2014-09-22" "2015-07-07" "2014-11-14" ...
$ cancel_date: Date, format: "2015-05-27" "2014-11-27" "2015-07-31" "2015-12-09" ...
$ cohort : Factor w/ 31 levels "2014-1","2014-10",..: 19 12 22 3 19 17 17 12 19 17 ...
$ total_joins: int 6493 4093 1923 3808 6493 9051 9051 4093 6493 9051 ...
$ active_m0 : num 5953 3614 1719 3515 5953 ...
$ active_m1 : num 3806 2275 671 2165 3806 ...
- attr(*, "vars")=List of 1
..$ : symbol cohort
- attr(*, "drop")= logi TRUE
- attr(*, "indices")=List of 24
..$ : int 3 19 20 21 26 36 40 48 49 57 ...
..$ : int 10 25 42 86 96 128 156 174 186 209 ...
..$ : int 17 169 858 1571 2072 2074 2079 2399 2797 2914 ...
..$ : int 233 234 411 434 560 828 954 3008 3384 4179 ...
..$ : int 827 1561 2403 2510 4354 4371 4381 4430 4431
..$ : int 13 85 124 277 281 301 377 439 533 568 ...
..$ : int 11 29 31 50 51 66 67 84 109 125 ...
..$ : int 1 7 24 27 33 47 54 71 73 92 ...
..$ : int 201 1605 1819 32857
..$ : int 1206 1898 3436 4440 8267
..$ : int 56 101 264 685 748 1280 3587 30604
..$ : int 5 6 9 12 16 23 30 32 35 38 ...
..$ : int 0 4 8 14 15 18 37 41 44 52 ...
..$ : int 34 61 114 119 142 160 161 195 212 213 ...
..$ : int 2 22 59 60 64 80 89 91 141 148 ...
..$ : int 162 435 31958 33005
..$ : int 11278
..$ : int 130 131 1196 14167 33006
..$ : int 46 138 331 420 498 2802 2966 3026 9610 33007
..$ : int 28 145 2751 16513 17922
..$ : int 1398 3140 25718 25719
..$ : int 33008 33009
..$ : int 865 16497
..$ : int 172
- attr(*, "group_sizes")= int 3808 2477 96 17 9 1549 1829 4093 4 5 ...
- attr(*, "biggest_group_size")= int 9051
- attr(*, "labels")='data.frame': 24 obs. of 1 variable:
..$ cohort: Factor w/ 31 levels "2014-1","2014-10",..: 3 4 5 6 7 9 10 12 14 15 ...
..- attr(*, "vars")=List of 1
.. ..$ : symbol cohort
..- attr(*, "drop")= logi TRUE
填充了NAs的数据而不是active_m1的总和：
> head(select(tom35_nas, join_date, cancel_date, cohort, total_joins, active_m0, active_m1))
Source: local data frame [6 x 6]
Groups: cohort [5]
join_date cancel_date cohort total_joins active_m0 active_m1
<date> <date> <fctr> <int> <dbl> <dbl>
1 2015-03-04 2015-04-17 2015-3 4354 4005 NA
2 2015-05-06 2015-07-02 2015-5 4494 4048 NA
3 2014-05-29 <NA> 2014-5 1325 1201 NA
4 2015-03-05 2015-05-10 2015-3 4354 4005 NA
5 2014-08-19 2014-09-26 2014-8 4502 4069 NA
6 2014-01-02 <NA> 2014-1 1622 1406 NA
> str(select(tom35_nas, join_date, cancel_date, cohort, total_joins, active_m0, active_m1))
Classes ‘grouped_df’, ‘tbl_df’, ‘tbl’ and 'data.frame': 23248 obs. of 6 variables:
$ join_date : Date, format: "2015-03-04" "2015-05-06" "2014-05-29" "2015-03-05" ...
$ cancel_date: Date, format: "2015-04-17" "2015-07-02" NA "2015-05-10" ...
$ cohort : Factor w/ 31 levels "2014-1","2014-10",..: 18 20 8 18 11 1 18 13 2 1 ...
$ total_joins: int 4354 4494 1325 4354 4502 1622 4354 3615 3336 1622 ...
$ active_m0 : num 4005 4048 1201 4005 4069 ...
$ active_m1 : num NA NA NA NA NA NA NA NA NA NA ...
- attr(*, "vars")=List of 1
..$ : symbol cohort
- attr(*, "drop")= logi TRUE
- attr(*, "indices")=List of 7
..$ : int 5 9 12 17 24 51 57 89 95 96 ...
..$ : int 8 13 20 28 30 33 37 59 60 61 ...
..$ : int 2 27 29 35 49 82 83 92 110 111 ...
..$ : int 4 21 23 25 38 46 50 52 67 74 ...
..$ : int 7 18 26 39 40 41 53 54 64 69 ...
..$ : int 0 3 6 11 16 22 36 45 47 48 ...
..$ : int 1 10 14 15 19 31 32 34 42 43 ...
- attr(*, "group_sizes")= int 1622 3336 1325 4502 3615 4354 4494
- attr(*, "biggest_group_size")= int 4502
- attr(*, "labels")='data.frame': 7 obs. of 1 variable:
..$ cohort: Factor w/ 31 levels "2014-1","2014-10",..: 1 2 8 11 13 18 20
..- attr(*, "vars")=List of 1
.. ..$ : symbol cohort
..- attr(*, "drop")= logi TRUE
正在使用lubridate和dplyr。
我无法弄清楚为什么这对active_m1不起作用。任何帮助表示赞赏。