我目前面临以下问题。
我想拿出一个R代码，在我的主数据帧reviews_last30days中创建一个名为listings的新列，该列应该能够计算或累积每个唯一{{ 1}}。
每个ID的唯一评论都在另一个数据框中列出，如下所示：
listings$ID我还需要添加一个日期条件，例如因此，仅考虑从REVIEWS
ID review_date
1 2015-12-30
1 2015-12-31
1 2016-10-27
2 2014-05-10
2 2016-10-19
2 2016-10-22
2 2016-10-23
开始的最近30天。
因此，我的结果应类似于第三列：（更新：有关预期结果的更好描述，请参见EDIT）
last_scrape因此，最后，自指定的LISTINGS
ID last_scrape reviews_last30days
1 2016-11-15 1
2 2016-11-15 3
开始的30天之内，reviews_last30days列应为每个review_date计算ID。
我已经用“％Y-％m-％d”格式化了两个日期列“ as.Date”。
很抱歉，如果我的问题可能对你们来说不够清晰，很难解释或形象化，但就代码而言，希望它毕竟不会那么复杂。
除了上面指出的输入REVIEWS之外，我还有第二个输入数据框，即OVERVIEW，目前看起来像这样简化形式：
last_scape因此，我真正需要的是一个代码，用于计算OVERVIEW中的OVERVIEW
ID last_scrape
1 2016-11-15
2 2016-11-15
3 2016-11-15
4 2017-01-15
5 2017-01-15
6 2017-01-15
7 2017-01-15
etc
与REVIEWS中的review_date和REVIEWS中的ID匹配的ID的所有条目从“概述”中的review_date起最多30天。
然后，代码应该理想地将此新计算的值分配为OVERVIEW中的新列，如下所示：
last_scrape感谢您到目前为止的帮助@mfidino！绘制最新代码仍然会导致一个小错误，即以下错误：
OVERVIEW
ID last_scrape rev_last30days
1 2016-11-15 1
2 2016-11-15 3
3 2016-11-15 ..
4 2017-01-15 ..
5 2017-01-15 ..
6 2017-01-15 ..
7 2017-01-15 ..
etc
您是否知道如何解决此错误？
注意： 我使用的名称与原始文件中的名称相同，代码仍应相同。
如果有帮助，向量TOTALREV$review_date <- ymd(TOTALREV$review_date)
TOTALLISTINGS$last_scraped.calc <- ymd(TOTALLISTINGS$last_scraped.calc)
gen_listings <- function(review = NULL, overview = NULL){
# tibble to return
to_return <- review %>%
inner_join(., overview, by = 'listing_id') %>%
group_by(listing_id) %>%
summarise(last_scraped.calc = unique(last_scraped.calc),
reviews_last30days = sum(review_date >= (last_scraped.calc-30)))
return(to_return)
}
REVIEWCOUNT <- gen_listings(TOTALREV, TOTALLISTINGS)
Error: Column `last_scraped.calc` must be length 1 (a summary value), not 2
的一些属性：
last_scraped.calc$ last_scraped.calc : Date, format: "2018-08-07" "2018-08-07" ...
typeof(TOTALLISTINGS$last_scraped.calc)
[1] "double"
和
length(TOTALLISTINGS$last_scraped.calc)
[1] 549281
任何进一步的帮助，不胜感激-预先感谢！
答案 0 :(得分：1)
您可以使用dplyr轻松完成此操作。我在这里使用的是lubridate::ymd()，而不是as.Date()。
library(lubridate)
library(dplyr)
REVIEWS <- data.frame(ID = c(1,1,1,2,2,2,2),
review_date = c("2015-12-30",
"2015-12-31",
"2016-10-27",
"2014-05-10",
"2016-10-19",
"2016-10-22",
"2016-10-23"))
REVIEWS$review_date <- ymd(REVIEWS$review_date)
LISTINGS <- REVIEWS %>% group_by(ID) %>%
summarise(last_scrape = max(review_date),
reviews_last30days = sum(review_date >= (max(review_date)-30)))
LISTINGS的输出是您的预期输出：
# A tibble: 2 x 3
ID last_scrape reviews_last30days
<dbl> <date> <int>
1 1 2016-10-27 1
2 2 2016-10-23 3
编辑：
相反，如果您有兴趣让last_scrape作为输入而不是每个组的最新审阅日期，则可以这样修改代码。假设每个ID可以有多个last_scrape：
library(lubridate)
library(dplyr)
REVIEWS <- data.frame(ID = c(1,1,1,2,2,2,2),
review_date = c("2015-12-30",
"2015-12-31",
"2016-10-27",
"2014-05-10",
"2016-10-19",
"2016-10-22",
"2016-10-23"))
REVIEWS$review_date <- ymd(REVIEWS$review_date)
OVERVIEW <- data.frame(ID = rep(1:7, 2),
last_scrape = c("2016-11-15",
"2016-11-15",
"2016-11-15",
"2017-01-15",
"2017-01-15",
"2017-01-15",
"2017-01-15",
"2016-11-20",
"2016-11-20",
"2016-11-20",
"2017-01-20",
"2017-01-20",
"2017-01-20",
"2017-01-20"))
OVERVIEW$last_scrape <- ymd(OVERVIEW$last_scrape)
gen_listings <- function(review = NULL, overview = NULL){
# tibble to return
to_return <- review %>%
inner_join(., overview, by ='ID') %>%
group_by(ID, last_scrape) %>%
summarise(
reviews_last30days = sum(review_date >= (last_scrape-30)))
return(to_return)
}
LISTINGS <- gen_listings(REVIEWS, OVERVIEW)
此LISTINGS对象的输出为：
ID last_scrape reviews_last30days
<dbl> <date> <int>
1 1 2016-11-15 1
2 1 2016-11-20 1
3 2 2016-11-15 3
4 2 2016-11-20 2
答案 1 :(得分：0)
类似于以上答案...
template <typename Container, typename UnaryOperation, typename U>
inline auto to_vec_from_vectors(Container& c, UnaryOperation&& op, U& ex)
-> std::vector<decltype(*std::begin(op(*std::begin(c))))> {
std::vector<decltype(*std::begin(op(*std::begin(c))))> v;
for (auto& e : c) {
std::vector<decltype(*std::begin(op(*std::begin(c))))> opv = op(e);
concat(v, opv);
}
return v;
}