Question

我在data.table中遇到的数据集有些问题。基本上，我有 2列：预定交货日期和重新安排的交货日期。然而，有些值留空。一个例子：

Scheduled        Rescheduled
NA               NA
2016-11-14       2016-11-17
2016-11-15       NA
2016-11-13       2016-11-11
NA               2016-11-15

我想创建一个新列，表示最新的列两列的日期，例如名为max_scheduled_date。因此，如果Rescheduled为NA，则max_scheduled_date应为取Scheduled的值max_scheduled_date，Rescheduled 如果Scheduled为NA，则取max_scheduled_date的值。当两个列是NA，List<String> strings = List.of("abc","123","zzz");显然应该采用NA。如果两列都有日期，则应采用最新的日期。我在创建这个问题时遇到了很多问题而且没有得到我想要的结果。

日期是POSIXct，遗憾的是这给我带来了一些麻烦。

有人可以帮帮我吗？先感谢您，亲切的问候，阿曼达

Answer 1

假设两列都是Date类，我们可以使用pmax创建每行的最大日期

df1[] <- lapply(df1, as.Date) #change to Date class initially
df1$max_scheduled_date <- do.call(pmax, c(df1, na.rm = TRUE))
df1$max_scheduled_date
#[1] NA           "2016-11-17" "2016-11-15" "2016-11-13" "2016-11-15"

也可以使用tidyverse

来完成

library(dplyr)
df1 %>%
    mutate_all(as.Date) %>%
    mutate(max_scheduled_date = pmax(Scheduled, Rescheduled, na.rm = TRUE))

Answer 2

由于问题标有data.table，因此这里也是data.table解决方案。

pmax()似乎与POSIXct充分合作。因此，我认为没有理由强制从POSIXct到Date类的日期列。

setDT(DF)[, max_scheduled_date := pmax(Scheduled, Rescheduled, na.rm = TRUE)]
DF

    Scheduled Rescheduled max_scheduled_date
1:       <NA>        <NA>               <NA>
2: 2016-11-14  2016-11-17         2016-11-17
3: 2016-11-15        <NA>         2016-11-15
4: 2016-11-13  2016-11-11         2016-11-13
5:       <NA>  2016-11-15         2016-11-15

请注意，新列通过引用附加，即不复制整个对象。

数据

DF <- setDF(fread(
  "Scheduled        Rescheduled
NA               NA
2016-11-14       2016-11-17
2016-11-15       NA
2016-11-13       2016-11-11
NA               2016-11-15"
)[, lapply(.SD, as.POSIXct)])
str(DF)

'data.frame': 5 obs. of  2 variables:
 $ Scheduled  : POSIXct, format: NA "2016-11-14" "2016-11-15" ...
 $ Rescheduled: POSIXct, format: NA "2016-11-17" NA ...

使用最近的日期创建新列

2 个答案:

数据