Question

我的数据有三个主要列，如下所示（squirrel_id =唯一个人ID，byear =出生年份，dyear =死亡年份）：

> summary(complete)
  squirrel_id        byear          dyear     
 Min.   :  416   Min.   :1989   Min.   :1989  
 1st Qu.: 4152   1st Qu.:1997   1st Qu.:1998  
 Median : 7870   Median :2003   Median :2004  
 Mean   :10419   Mean   :2004   Mean   :2004  
 3rd Qu.:16126   3rd Qu.:2011   3rd Qu.:2012  
 Max.   :23327   Max.   :2017   Max.   :2017

我有第二条数据（如下所示），我试图将其合并到上述数据集中。

mast.yr<-c("1993", "1998", "2005", "2010", "2014")

我正在尝试做两件事：

添加一列，说明个人（squirrel_id）在mast.yr年（dyear - byear =活着年数范围内是否还活着（包括{ {1}}和byear）。
添加另一列，计算每个人（dyear）在生命周期中经历的mast.yr年（squirrel_id - dyear =活着年数（包括{{1 }和byear）。

要生成第一列，我一直在使用byear包中的dyear函数，但我只能让它适用于mutate和{{1}分开，像这样：

dplyr

但它没有给出所需的输出，因为它自己考虑byear和dyear，而不是连续的时间段。我已经尝试了here和here发布的解决方案，但没有运气。

任何建议将不胜感激！

我的数据副本可以找到here。为了将来的再现性，这里有一个样本：

complete <- complete %>%
    mutate (mast = ifelse (byear %in% c("1993", "1998", "2005", "2010", "2014"), 1, 0), 
    mast = ifelse (dyear %in% c("1993", "1998", "2005", "2010", "2014"), 1, 0)))

Answer 1

# put target years in a table
mastDF = data_frame(year = as.integer(mast.yr))

# count based on conditions    
dat %>% 
  mutate(in_mast = count_matches(., mastDF, year >= byear, year <= dyear) > 0) %>%
  as.tbl

# A tibble: 100 x 4
   squirrel_id byear dyear in_mast
         <int> <int> <int>   <lgl>
 1        6715  2006  2006   FALSE
 2       22274  2016  2017   FALSE
 3       20445  2014  2017    TRUE
 4       19528  2013  2013   FALSE
 5        2674  1995  1995   FALSE
 6        1419  1992  1992   FALSE
 7       15014  2004  2004   FALSE
 8       10946  2009  2012    TRUE
 9        4369  1998  1999    TRUE
10        4344  1992  1999    TRUE
# ... with 90 more rows

其中count_matches是辅助函数：

library(data.table)
count_matches = function(DF, targetDF, ...){
  onexpr = substitute(list(...))
  data.table(targetDF)[data.table(DF), on=eval(onexpr), allow.cart=TRUE, .N, by=.EACHI]$N
}

如果你想要计数以及计数是否为非零，可以通过将其分解为mutate个参数序列来完成：

dat %>% 
  mutate(
    n_mast = count_matches(., mastDF, year >= byear, year <= dyear),
    in_mast = n_mast > 0
) %>% as.tbl

# A tibble: 6 x 5
  squirrel_id byear dyear n_mast in_mast
        <int> <int> <int>  <int>   <lgl>
1        6715  2006  2006      0   FALSE
2       22274  2016  2017      0   FALSE
3       20445  2014  2017      1    TRUE
4       19528  2013  2013      0   FALSE
5        2674  1995  1995      0   FALSE
6        1419  1992  1993      1    TRUE

Answer 2

虽然@Frank已经提供了一个优雅的解决方案，但sqldf为非equii连接提供了更简单的方法。使用sqldf解决方案可以是：

mast.yr<-c("1993", "1998", "2005", "2010", "2014")

mastDf <- data.frame(year = as.integer(mast.yr))


library(sqldf)


sqldf("select dat.*, IFNULL(Mast.inMast,0) as n_Mast, IFNULL(Mast.inMast,0) >0 as inMast
       from dat left outer join 
      (select *, count(squirrel_id) as inMast 
      from dat, mastDf 
      where mastDf.year between dat.byear AND dat.dyear
      group by squirrel_id) Mast on
      dat.squirrel_id = Mast.squirrel_id")

#     squirrel_id byear dyear n_Mast inMast
# 1          6715  2006  2006      0      0
# 2         22274  2016  2017      0      0
# 3         20445  2014  2017      1      1
# 4         19528  2013  2013      0      0
# 5          2674  1995  1995      0      0
# 6          1419  1992  1992      0      0
# 7         15014  2004  2004      0      0
# 8         10946  2009  2012      1      1
# 9          4369  1998  1999      1      1
# 10         4344  1992  1999      2      1
#....90 more rows

检查日期列表是否在r的日期范围内

2 个答案: