Question

我需要重塑数据，以正确的格式进行生存分析。

我当前的数据集如下：

Product_Number            Date         Status 
     A                  2018-01-01        0
     A                  2018-01-02        1
     A                  2018-01-03        0
     B                  2018-01-01        0
     B                  2018-01-02        0
     B                  2018-01-03        0
     B                  2018-01-04        1
     C                  2018-01-01        0
     C                  2018-01-02        0

我需要根据Product_Number，Date和Status列重塑数据（我想计算每种产品的天数，直到状态变为1。如果状态为0，则应该开始处理再次）。

因此数据应如下所示：

Product_Number    Number_of_Days    Status 
       A                2             1    #Two days til status = 1
       A                1             0    #One day, status = 0 (no end date yet) 
       B                4             1    #Four days til status = 1
       C                2             0    #Two days, status is still 0 (no end date yet)

到目前为止，我尝试了什么？

我按ProductNumber和Date排序了我的数据。我喜欢DPLYR方式，所以我使用了：

df <- df %>% group_by(Product_Number, Date)   # note: my data is now in the form as in the example above.

然后我尝试使用diff（）函数来查看日期之间的差异（计算天数）。但是当状态切换时（从0到1，反之亦然），我无法“停止”计数。

我希望我清楚地解释了这个问题。如果您需要其他信息，请告诉我。

Answer 1

如果我的问题正确的话，这可能就是您要寻找的东西。

library(dplyr)

df %>%
  mutate(Number_of_Days=1) %>%
  select(-Date) %>%
  group_by(Product_Number, Status) %>%
  summarise_all(sum,na.rm=T)

  Product_Number Status Number_of_Days
1 A                   0              2
2 A                   1              1
3 B                   0              3
4 B                   1              1
5 C                   0              2

Answer 2

您可以这样做：

SELECT * FROM Users WHERE ID = 'foo' OR '1' = '1' ORDER BY created DESC

输出：

library(dplyr)

df %>%
  group_by(Product_Number) %>%
  mutate(Date = as.Date(Date),
         group = cumsum(coalesce(as.numeric(lag(Status) == 1 & Status == 0), 1))) %>%
  group_by(Product_Number, group) %>%
  mutate(Number_of_Days = (last(Date) - first(Date)) + 1) %>%
  slice(n()) %>% ungroup() %>%
  select(-group, -Date)

根据不同的列重塑数据

2 个答案: