Question

我有两个数据帧（DF1和DF2）：

（1）DF1包含个人级别的信息，即在11年（2000-2011）内以30个单位嵌套的10.000个人。它包含四个变量：

“个人”（每个人的数字ID;范围从1-10.000）
“unit”（每个单位的数字ID;范围从1-30）
“date1”（日期格式的日期，即2000-01-01等;范围从2000-01-01至2010-12-31）
“date2”（“Date1”+ 1年）

（2）DF2包含单位级别的信息，即在同一时间段（2000-2011）与DF1相同的30个单位，并且还包含一个数字变量（“x”））：

“unit”（每个单位的数字ID;范围从1-30）
“date”（日期格式的日期，即2000-01-01等;范围从2000-01-01至2011-12-31）
“x”（数字变量，范围从0到200）

我想创建一个新变量（“newvar”），它为每个“单位”给出每个“个体”，“x”（DF2）从“date1”（DF1）到“date2”（DF2）的总和）。这意味着我想将这个新变量添加到DF1。

例如，如果“unit”中的“individual”= 1 = 1，则“date1”= 2000-01-01，“date2”= 2001-01-01，而DF2中“unit”= 1则有3个观察值在时间段“date1”到“date2”（即2000-01-01至2001-01-01）中，“x”= 1，“x”= 2且“x”= 3，那么我想添加一个在“单位”中给出“个人”= 1的新变量= 1“newvar”= 6。

我假设我需要在R中使用for循环并使用以下代码：

for(i in length(DF1)){

DF1$newvar[i] <-sum(DF2$x[which(DF1$date == DF1$date1[i] &
                     DF1$date == DF1P$date1[i] &
                     DF2$unit == DF1P$unit[i]),])

}

但收到错误消息：

Error in DF2$x[which(DF2$date ==  : incorrect number of dimensions

如何创建此变量的任何想法都将非常受欢迎！

这是一个小例子以及预期输出，为简单起见使用一个单位：

假设DF1如下所示：

individual  unit  date1        date2   
1           1     2000-01-01   2001-01-01
2           1     2000-02-02   2001-02-02
3           1     2000-03-03   2000-03-03
4           1     2000-04-04   2000-04-04
5           1     2000-12-31   2001-12-31 
(...)
996         1     2010-01-01   2011-01-01
997         1     2010-02-15   2011-02-15
998         1     2010-03-05   2011-03-05
999         1     2010-04-10   2011-04-10
1000        1     2010-12-27  2011-12-27
1001        2     2000-01-01   2001-01-01
1002        2     2000-02-02   2001-02-02
1003        2     2000-03-03   2000-03-03
1004        2     2000-04-04   2000-04-04
1005        2     2000-12-31   2001-12-31 
(...)
1996        2     2010-01-01   2011-01-01
1997        2     2010-02-15   2011-02-15
1998        2     2010-03-05   2011-03-05
1999        2     2010-04-10   2011-04-10
2000        2     2010-12-027  2011-12-27
(...)
3000        34    2000-02-02   2002-02-02
3001        34    2000-05-05   2001-05-05
3002        34    2000-06-06   2001-06-06
3003        34    2000-07-07   2001-07-07
3004        34    2000-11-11   2001-11-11
(...)
9996        34    2010-02-06   2011-02-06
9997        34    2010-05-05   2011-05-05
9998        34    2010-09-09   2011-09-09 
9999        34    2010-09-25   2011-09-25
10000       34    2010-10-15   2011-10-15

假设DF2如下所示：

unit      date         x
1         2000-01-01   1
1         2000-05-01   2
1         2000-12-01   3
1         2001-01-02   10
1         2001-07-05   20
1         2001-12-31   30
(...) 
2         2010-05-05   1 
2         2010-07-01   1
2         2010-08-09   1
3         (...)

这是我希望DF1在运行代码后的样子：

individual  unit      date1        date2        newvar  
    1           1     2000-01-01   2001-01-01   6
    2           1     2000-02-02   2001-02-02   16
    3           1     2000-03-03   2001-03-03   15
    4           1     2000-04-04   2001-04-04   15
    5           1     2000-12-31   2001-12-31   60
    (...)
    996         1     2010-01-01   2011-01-01    3
    997         1     2010-02-15   2011-02-15    2
    998         1     2010-03-05   2011-03-05    2
    999         1     2010-04-10   2011-04-10    2
    1000        1     2010-12-27  2011-12-27     0
    (...)

然而，我不能简单地汇总：想象一下，在DF1中，每个“单位”在2000年到2011年之间每年有数百个人。而DF2在2000 - 2011年期间对每个单位都有很多观察。

Answer 1

你几乎就在那里，我只是稍微修改了你的for循环，并确保日期变量被认为是这样的：

DF1$date1 = as.Date(DF1$date1,"%Y-%m-%d")
DF1$date2 = as.Date(DF1$date2,"%Y-%m-%d")
DF2$date = as.Date(DF2$date,"%Y-%m-%d")

for(i in 1:nrow(DF1)){
  DF1$newvar[i] <-sum(DF2$x[which(DF2$unit == DF1$unit[i] & 
                                  DF2$date>= DF1$date1[i] &
                                  DF2$date<= DF1$date2[i])]) 
}

问题是，您要求DF2$date同时== DF1$date1＆amp; DF1$date2。而且，length(DF1)为您提供了列数。要获得行数，您可以使用nrow(DF1)或dim(DF1)[1]。

Answer 2

我们可以使用data.table

library(data.table)
setDT(DF1)
setDT(DF2)
DF1[DF2[, .(newvar = sum(x)), .(unit, individual = cumsum(date %in% DF1$date1))],
             newvar := newvar, on = .(individual, unit)]
DF1
#    individual unit      date1      date2 newvar
#1:          1    1 2000-01-01 2001-01-01      6
#2:          2    1 2001-01-02 2002-01-02     60

或者我们可以使用非等连接

DF1[DF2[DF1, sum(x), on = .(unit, date >= date1, date <= date2),
        by = .EACHI], newvar := V1, on = .(unit, date1=date)]

DF1
#   individual unit      date1      date2 newvar
#1:          1    1 2000-01-01 2001-01-01      6
#2:          2    1 2001-01-02 2002-01-02     60

在R中：如何在两个日期之间按组对变量求和

2 个答案: