我需要你的帮助,因为我自己没有得到正确的结果。
我的数据看起来有点像:
product startdate enddate city cost double
1 1999-01-03 2001-02-01 Boston 8 0
2 2000-07-06 2001-11-24 New York 10,5 0
...
我想要的是一张表格,显示平均成本除以城市和季度。
到目前为止我做了什么:
df <- read_csv2("mydata.csv")
#subset data
double <- df$double
df2 <- subset(df,double==0)
#date class
startdate <- strptime(df2$startdate,format="%Y-%m-%d")
library(zoo)
quarter <- as.yearqtr(startdate,"%Y-%m-%d")
table <- tapply(cost,list(df2$city,quarter),mean)
我得到的表可能看起来像这样:
City 2011 Q1 2011 Q2 2011 Q3
New York 10 11,2 11,7
Boston 9 9,5 9,9
我的问题是我有一个开始日期和结束日期。该表显示了依赖于startdate的季度。 我现在想要获得相同的表,但季度应该包括enddates。这意味着:如果startdate是2006-01-01,enddate是2006-08-01我的项目在2006年第一季度,2006年第二季度,2006年第三季度在线。 我的商品价格在整个时间内是相同的,但是当我计算每个季度的平均价格时,价格应该包含在产品上线的每个季度中。
我所做的是更改enddate类:
#enddate , date class
today <- Sys.Date()
df2[["enddate"]][is.na(df2[["enddate"]])] <- today
enddate <- strptime(df2$enddate,format="%Y-%m-%d")
现在我已经尝试过一些事情,例如处理日期间隔和剪切日期,但这根本不起作用。
感谢您的任何提示!
答案 0 :(得分:2)
您的完整解决方案可能如下所示。我使用过data.table。
在data.table中加载数据
library(data.table)
d <- read.csv("Products.csv")
D <- as.data.table(d)
调整数据以适当处理日期并计算财务季度。
# Condition data
# Format date columns to Date objects
D[, ':=' (Date.Start = as.Date(Date.Start, format="%d-%b-%y"),
Date.End = as.Date(Date.End, format="%d-%b-%y"))][]
# Compute the no. of quarters from start, end dates
# Use:
# getSeriesV() for dates every quarter given start and end dates
# getQuarterV() for the fiscal quarter given a date
Quarters <- D[, .(getSeriesV(Date.Start, Date.End))]
Quarters <- lapply(Quarters$V1, function(x) unique(getQuarterV(x)))
以长格式展开data.table,以包含财政季度的信息。
Repeats <- sapply(Quarters, length)
Names <- D[, rownames(.SD)]
de <- d[rep(Names, Repeats),]
De <- as.data.table(de)
De[, ':=' (Date.Start = as.Date(Date.Start, format="%d-%b-%y"),
Date.End = as.Date(Date.End, format="%d-%b-%y"))][]
De[, Quarters := unlist(Quarters)]
分析摘要数据。
De[, .(Avg = mean(Cost)), by=c('Product', 'City', 'Quarters')]
我从数据开始
Product,Date.Start,Date.End,City,Cost
Apple,1-Jan-16,1-Aug-16,Bangalore,150
Tomato,1-Dec-15,15-Jan-16,Pune,30
Apple,1-Nov-15,1-Jun-16,Bangalore,155
Tomato,1-Jun-16,1-Dec-16,Bangalore,45
Tomato,1-Oct-16,1-Nov-16,Pune,15
答案 1 :(得分:1)
一种策略是在财政年度的四分之一时间内使用额外的信息(即列)扩展您的表格。然后,您可以按照您想要的方式进行汇总。
要获得年份和季度,请使用类似
的功能getQuarter <- function(x, first=0, prefix="Q") {
# x: Date object
# first: Jan is 0
# prefix: Affix symbol for quarter, default 'Q'
d <- as.POSIXlt(x);
q <- floor((d$mon-first+1)/3.03)
q <- paste0(d$year+1900,'-',prefix,q+1, collapse="")
q
}
试一试:
start <- as.Date("01-01-16", format="%d-%m-%y")
end <- as.Date("01-09-16", format="%d-%m-%y")
getQuarter(start) # "2016-Q1"
getQuarter(end) # "2016-Q3"
然后像这样矢量化。
getQuarterV <- Vectorize(getQuarter)
getQuarterV(c(start, end)) # "2016-Q1" "2016-Q3"
要获得开始日期和结束日期之间的所有季度,请使用类似
的功能getSeries <- function(start, end) {
# start: Date object
# end: Date object
s <- seq(from=start, to=end, by="3 months")
s <- c(s, end)
unique(s)
}
试一试:
getSeries(start, end) # "2016-01-01" "2016-04-01" "2016-07-01" ..
getSeries(start, start) # "2016-01-01"
现在把它放在一起以获得两个日期之间的所有季度。
unique(getQuarterV(getSeries(start, end))) # "2016-Q1" "2016-Q2" "2016-Q3"
现在,您可以继续将此数据与原始数据集成,并提取所需的摘要。