Question

我有一份人员名单，包括他们的出生和死亡日期。

我想创建一个数据集，每个人每年都有一条记录。

我的代码如下：

library(lubridate)
library(data.table)
deadPerson<-c("Albert Einstein","Erwin Schrodinger","Paul Dirac")
dateOfBirth<-c("1879-03-14","1887-08-12","1902-08-08")
dateOfDeath<-c("1955-04-18","1961-01-04","1984-10-20")

df<-data.frame(cbind(deadPerson,dateOfBirth,dateOfDeath))

df$dateOfBirth<-as.POSIXct(df$dateOfBirth)
df$dateOfDeath<-as.POSIXct(df$dateOfDeath)

for(i in 1:dim(df)[1])
{
  birth_day<-df$dateOfBirth[i]
  death_day<-df$dateOfDeath[i]
  numDays<-as.numeric(death_day-birth_day)
  numYears<-floor(numDays/365) # ignore leap years!
  dates <- data.table(index=as.POSIXct(birth_day) + (0:numYears)*years(1))
  dates$Person<-df$deadPerson[i]
  if(i==1){output<-dates}
  else{output<-rbind(output,dates)}
}
output$index<-year(output$index)
colnames(output)<-c("Year.Alive","Person")

我所做的逻辑是循环每个人，并为他们活着的每一年创建一个记录。当然这是低效的，但是我无法找到一种有效的方法（即使用apply（））。

在数据表中有更好的方法吗？

PS - 我知道我应该在初始数据集中使用多年，只需添加1年，但这只是为了一个可重复的例子。在我的实际问题中，我正在搞乱从与上述原始数据集类似的数据创建多个时间序列，这就是为什么我想使用秒，分钟等，并保持日期时间格式。

Answer 1

您可以在data.table中按组使用摘要语法，并计算j位置的年份向量，组变量将自动沿该位置广播：

library(data.table)
df[, .(Year.Alive = seq(year(dateOfBirth), year(dateOfDeath))), by = (Person = deadPerson)]

#             Person Year.Alive
# 1: Albert Einstein       1879
# 2: Albert Einstein       1880
# 3: Albert Einstein       1881
# 4: Albert Einstein       1882
# 5: Albert Einstein       1883
# ---                           
# 231:      Paul Dirac       1980
# 232:      Paul Dirac       1981
# 233:      Paul Dirac       1982
# 234:      Paul Dirac       1983
# 235:      Paul Dirac       1984

Answer 2

这是tidyr/dplyr版本：

library(dplyr)
library(tidyr)

df %>%
  gather(date, event, dateOfBirth, dateOfDeath) %>%
  mutate(year_event = year(event)) %>%
  select(deadPerson, year_event) %>%
  group_by(deadPerson) %>%
  complete(year_event = full_seq(year_event, period = 1L))

data.table

2 个答案: