Question

提供表格

id   start          end
1   22/03/2016    05/06/2016
2   17/08/2016    29/08/2016
3   22/09/2017    25/12/2017

我正尝试按日历月份进行拆分，如下表所示

id   start         end
1   22/03/2016    31/03/2016
1   01/04/2016    30/04/2016
1   01/05/2016    05/06/2016
2   17/08/2016    29/08/2016
3   22/09/2017    30/09/2017
3   01/10/2017    31/10/2017
3   01/11/2017    30/11/2017
3   01/12/2017    25/12/2017

我正在尝试修改how to split rows of a dataframe in multiple rows based on start date and end date?中的代码提取，但是我无法正确地修改代码。问题通常在30天的几个月内出现，也许很容易，但我仍然不熟悉正则表达式。

#sample data
df <- data.frame("starting_date" = as.Date(c("2016-03-22", "2016-08-17", "2017-09-12")),
             "end_date" = as.Date(c("2016-06-05", "2016-08-29", "2017-12-25")),
             col3=c('1','2', '3'))

df1 <- df[,1:2] %>% 
rowwise() %>%
do(rbind(data.frame(matrix(as.character(c(
.$starting_date, 

seq(.$starting_date, .$end_date, by=1)[grep("\\d{4}-\\d{2}-31|\\d{4}-\\d{2}-01", seq(.$starting_date, .$end_date, by=1))],

.$end_date)), ncol=2, byrow=T))
  )
) %>%
data.frame() %>%
`colnames<-`(c("starting_date", "end_date")) %>%
mutate(starting_date= as.Date(starting_date, format= "%Y-%m-%d"),
     end_date= as.Date(end_date, format= "%Y-%m-%d"))

#add temporary columns to the original and expanded date column dataframes
df$row_idx <- seq(1:nrow(df))
df$temp_col <- (year(df$end_date) - year(df$starting_date)) +1
df1 <- cbind(df1,row_idx = rep(df$row_idx,df$temp_col))

#join both dataframes to get the final result
final_df <- left_join(df1,df[,3:(ncol(df)-1)],by="row_idx") %>%
  select(-row_idx) 
final_df

如果有人知道如何修改代码或更好的方法，我将非常感激。

Answer 1

我们假设问题的样本输出中存在错误，因为第三行跨越两个月的时间，因此应分为两行。

定义Seq并赋予一个start和end日期变量会产生一个{。{1}}和start列的data.frame，然后在每个{ {1}}使用end：

id

给予：

group_by

注意

输入library(dplyr) library(zoo) Seq <- function(start, end) { ym <- seq(as.yearmon(start), as.yearmon(end), 1/12) starts <- pmax(start, as.Date(ym, frac = 0)) ends <- pmin(end, as.Date(ym, frac = 1)) unique(data.frame(start = starts, end = ends)) } fmt <- "%d/%m/%Y" DF %>% mutate(start = as.Date(start, fmt), end = as.Date(end, fmt)) %>% group_by(id) %>% do(Seq(.$start, .$end)) %>% ungroup以可复制的形式：

# A tibble: 9 x 3
     id start      end       
  <int> <date>     <date>    
1     1 2016-03-22 2016-03-31
2     1 2016-04-01 2016-04-30
3     1 2016-05-01 2016-05-31
4     1 2016-06-01 2016-06-05
5     2 2016-08-17 2016-08-29
6     3 2017-09-22 2017-09-30
7     3 2017-10-01 2017-10-31
8     3 2017-11-01 2017-11-30
9     3 2017-12-01 2017-12-25

Answer 2

因此，可能有一种更优雅的方式来完成此操作，我觉得我已经看过类似的问题，但是找不到快速的重复项，所以这里是...

设置

library(tidyverse)
library(lubridate)

df <- data.frame(
  id = c('1', '2', '3'),
  starting_date = as.Date(c("2016-03-22", "2016-08-17", "2017-09-12")),
  end_date = as.Date(c("2016-06-05", "2016-08-29", "2017-12-25")),
  stringsAsFactors = FALSE
)

df
#>   id starting_date   end_date
#> 1  1    2016-03-22 2016-06-05
#> 2  2    2016-08-17 2016-08-29
#> 3  3    2017-09-12 2017-12-25

解决方案

df %>%
  group_by(id) %>%
  mutate(
    date_seq = list(seq.Date(starting_date, end_date, by = "month") %>% ceiling_date("month") - 1)
  ) %>%
  unnest() %>%
  mutate(row = row_number()) %>%
  mutate(
    new_end_date = if_else(row == max(row), end_date, date_seq),
    new_start_date = if_else(row == min(row), starting_date, floor_date(new_end_date, "month"))
  ) %>% 
  select(
    id, new_start_date, new_end_date
  )
#> # A tibble: 8 x 3
#> # Groups:   id [3]
#>   id    new_start_date new_end_date
#>   <chr> <date>         <date>      
#> 1 1     2016-03-22     2016-03-31  
#> 2 1     2016-04-01     2016-04-30  
#> 3 1     2016-06-01     2016-06-05  
#> 4 2     2016-08-17     2016-08-29  
#> 5 3     2017-09-12     2017-09-30  
#> 6 3     2017-10-01     2017-10-31  
#> 7 3     2017-11-01     2017-11-30  
#> 8 3     2017-12-01     2017-12-25

EXPLANATION

这里发生的大部分事情都发生在创建mutate的第一个date_seq调用中。要了解它，请考虑以下因素：

seq.Date(ymd("2016-03-22"), ymd("2016-06-05"), by = "month")
# [1] "2016-03-22" "2016-04-22" "2016-05-22"

seq.Date(ymd("2016-03-22"), ymd("2016-06-05"), by = "month") %>% 
  ceiling_date("month")
# [1] "2016-04-01" "2016-05-01" "2016-06-01"

seq.Date(ymd("2016-03-22"), ymd("2016-06-05"), by = "month") %>% 
  ceiling_date("month") - 1
# [1] "2016-03-31" "2016-04-30" "2016-05-31"

因此，基本上，请在原始开始日期和结束日期之间创建一个“月末”日期序列。将其放在列表列中可使我们按ID进行组织，以便我们unnest适当地进行。在unnest()结束后检出输出：

df %>%
  group_by(id) %>%
  mutate(
    date_seq = list(seq.Date(starting_date, end_date, by = "month") %>% ceiling_date("month") - 1)
  ) %>%
  unnest()

我希望从那里开始相对简单。 row_number可能已经被first/last之类的爱好者取代了，但是我认为这样做可能更容易。

将开始日期和结束日期按日历月展开为一系列开始日期和结束日期

2 个答案:

注意