如何计算每个人从初始日期开始的月数答案

【问题标题】：How to calculate the number of months from the initial date for each individual如何计算每个人从初始日期开始的月数
【发布时间】：2021-09-13 16:41:39
【问题描述】：

这是我的数据集的表示

ID<-c(rep(1,10),rep(2,8))

year<-c(2007,2007,2007,2008,2008,2009,2010,2009,2010,2011,
        2008,2008,2009,2010,2009,2010,2011,2011)
month<-c(2,7,12,4,11,6,11,1,9,4,3,6,7,4,9,11,2,8)

mydata<-data.frame(ID,year,month)

我想为每个人计算从初始日期算起的月数。我使用了两个变量：年和月。

我首先订购年份和月份：

mydata2<-mydata%>%group_by(ID,year)%>%arrange(year,month,.by_group=T)

然后我创建了变量 date 考虑到一天从 01 开始：

mydata2$date<-paste("01",mydata2$month,mydata2$year,sep = "-")

然后我使用lubridate 将这个变量更改为日期格式

mydata2$date<-dmy(mydata2$date)

但是在这之后，我真的不知道该怎么做了，才能有下面这样的数据集（最好使用dplyr代码）：

  ID year month       date dif_from_init
1   1 2007     2  01-2-2007             0
2   1 2007     7  01-7-2007             5
3   1 2007    12 01-12-2007            10
4   1 2008     4  01-4-2008            14
5   1 2008    11 01-11-2008            21
6   1 2009     1  01-1-2009            23
7   1 2009     6  01-6-2009            28
8   1 2010     9  01-9-2010            43
9   1 2010    11 01-11-2010            45
10  1 2011     4  01-4-2011            50
11  2 2008     3  01-3-2008             0
12  2 2008     6  01-6-2008             3
13  2 2009     7  01-7-2009            16
14  2 2009     9  01-9-2009            18
15  2 2010     4  01-4-2010            25
16  2 2010    11 01-11-2010            32
17  2 2011     2  01-2-2011            35
18  2 2011     8  01-8-2011            41

【问题讨论】：

看看this，注意期间和时长的区别。你要哪个？

标签： r date tidyverse lubridate

【解决方案1】：

一种方法可能是：

mydata %>%
  group_by(ID) %>%
  mutate(date = as.Date(sprintf('%d-%d-01',year, month)), 
         diff = as.numeric(round((date - date[1])/365*12)))

# A tibble: 18 x 5
# Groups:   ID [2]
      ID  year month date        diff
   <dbl> <dbl> <dbl> <date>     <dbl>
 1     1  2007     2 2007-02-01     0
 2     1  2007     7 2007-07-01     5
 3     1  2007    12 2007-12-01    10
 4     1  2008     4 2008-04-01    14
 5     1  2008    11 2008-11-01    21
 6     1  2009     6 2009-06-01    28
 7     1  2010    11 2010-11-01    45
 8     1  2009     1 2009-01-01    23
 9     1  2010     9 2010-09-01    43
10     1  2011     4 2011-04-01    50
11     2  2008     3 2008-03-01     0
12     2  2008     6 2008-06-01     3
13     2  2009     7 2009-07-01    16
14     2  2010     4 2010-04-01    25
15     2  2009     9 2009-09-01    18
16     2  2010    11 2010-11-01    32
17     2  2011     2 2011-02-01    35
18     2  2011     8 2011-08-01    41

【讨论】：