R：将彼此相邻的日期分组答案

【问题标题】：R: group dates that are next to each otherR：将彼此相邻的日期分组
【发布时间】：2020-05-27 01:18:01
【问题描述】：

我有一系列不规则的日期（年）。

具体来说，2004 年之后是 2005 年，缺少 2006 年，存在 2007 年，然后是 2008 年，然后序列缺少直到 2014 年的年份。

# data input
df_in <- 
  data.frame(seq = c(2004L, 2005L, 2007L, 2008L, 2014L, 2015L, 2016L))

# desired result
df_out <- 
  data.frame(df_in, grp = c(1L, 1L, 2L, 2L, 3L, 3L, 3L))

   seq grp
1 2004   1
2 2005   1
3 2007   2
4 2008   2
5 2014   3
6 2015   3
7 2016   3

我想找到一种方法来生成彼此相邻的年份组。因此，第 1 组将包含 2004 年和 2005 年，第 2 组从 2007 年和 2008 年，第 3 组从 2014 年到 2016 年。

任何帮助将不胜感激。

【问题讨论】：

标签： r

【解决方案1】：

cumsum(c(1, diff(df_in$seq)) != 1) + 1
[1] 1 1 2 2 3 3 3

【讨论】：

【解决方案2】：

怎么样：

df_in$group = 1 + c(0, cumsum(ifelse(diff(df_in$seq) > 1, 1, 0)))

这里的想法是diff 计算滞后差。当它大于 1 时，我们将其添加到组中。 cumsum 计算我们遇到差距的那些时间的累积总和，也就是一个新组。 c(0, 存在是因为 diff 的输出比我们的数据短一个，我们需要第一个元素的值。最后，1 + 仅用于光学，因此第一组是 1 而不是 0。

> df_in$group 
[1] 1 1 2 2 3 3 3

【讨论】：

【解决方案3】：

这是我能想到的最好的。但如果其他人有更优雅的解决方案，我会很棒：

df_in <- data.frame(seq = c(2004L, 2005L, 2007L, 2008L, 2014L, 2015L, 2016L))

定义一个组内元素之间的最大距离：

max_range_within_group <- 1

计算现有距离：

diffs <- df_in$seq[-1] - df_in$seq[-length(df_in$seq)]

迭代槽距离并检查它们是否在“允许”距离内或将 grp 增加 1：

grp <- 1
for (diff in diffs) {
  nextGrp <- if (diff <= max_range_within_group) {
    grp[length(grp)]
  } else {
    grp[length(grp)] + 1
  }
  grp <- c(grp, nextGrp)
}

将grp绑定到data.frame：

df_in$grp <- grp

这会返回：

【讨论】：