从具有开始/结束日期的行创建年序列行的数据框

Question

我是 R 和一般编码的相对新用户，我已经搜索但无法解决这个问题。我有以下数据：

groupid  start.date   end.date    Status
1        2014-01-01   2017-01-01  A
1        2018-01-01   2020-01-01  D
2        2014-01-01   2017-01-01  B

如何生成一个数据框，其中每个观察都是一年，而不是 groupid 和时间段的组合。

我正在寻找的输出是：

groupid  year   status
1        2014  A
1        2015  A
1        2016  A
1        2017  A
1        2018  D
1        2019  D
1        2020  D
2        2014  B
2        2015  B
2        2016  B
2        2017  B

我尝试了很多方法，但我认为我最好的尝试是：

df <- df %>% 
group_by(rn=row_number()) %>% 
  mutate(d = list(seq(start.date, end.date, by='1 year'))) 
%>%
  unnest()

但我得到了

Error: Each column must either be a list of vectors or a list of data frames 
[d]

搜索错误并没有帮助我更接近找出问题所在。 Start.date 和 end.date 存储为日期。如果重要的话，它们是从两个只有四位数年份数字的列向量生成的，所以我应用以下代码将它们更改为可用的日期格式：

df$start.date <- as.Date(ISOdate(df$from, 1, 1)) 
df$end.date <- as.Date(ISOdate(df$to, 1, 1))  

Answer 1

camille 的答案基于隐含的假设，即groupid 和Status 的组合是唯一的。但是，这不能保证。此外，为了安全起见，OP 自己选择了按行号分组。

之所以需要分组，是因为seq() 和单冒号运算符: 不接受向量作为输入。

dplyr/tidyr解决方案

此方法按行号分组并提取创建序列之前的年份。 df1 是 OP 给出的小标题（请参阅下面的 Data 部分）。

library(dplyr)
library(tidyr)
library(lubridate)
df1 %>% 
  group_by(rn = row_number()) %>% 
  mutate(year = list(year(start.date):year(end.date))) %>% 
  unnest() %>% 
  ungroup() %>% 
  select(groupid, year, Status)

# A tibble: 11 x 3
   groupid  year Status
     <int> <int> <chr> 
 1       1  2014 A     
 2       1  2015 A     
 3       1  2016 A     
 4       1  2017 A     
 5       1  2018 D     
 6       1  2019 D     
 7       1  2020 D     
 8       2  2014 B     
 9       2  2015 B     
10       2  2016 B     
11       2  2017 B

data.table接近

data.table 允许使用更简洁的代码实现相同的结果：

library(data.table)
setDT(df1)[, .(groupid, year = year(start.date):year(end.date), Status), 
  by = .(rn = 1:nrow(df1))][
    , rn := NULL][] 

    groupid year Status
 1:       1 2014      A
 2:       1 2015      A
 3:       1 2016      A
 4:       1 2017      A
 5:       1 2018      D
 6:       1 2019      D
 7:       1 2020      D
 8:       2 2014      B
 9:       2 2015      B
10:       2 2016      B
11:       2 2017      B

OP原来的问题

OP 透露，start.date 和 end.date 是从两个只有四位数年份数字的列向量生成的。

无需事先将这些年份数字转换为日期。它们可以直接用于创建年份序列：

library(dplyr)
library(tidyr)
df2 %>% 
  group_by(rn = row_number()) %>% 
  mutate(year = list(from:to)) %>% 
  unnest() %>% 
  ungroup() %>% 
  select(groupid, year, Status)

# A tibble: 11 x 3
   groupid  year Status
     <int> <int> <chr> 
 1       1  2014 A     
 2       1  2015 A     
 3       1  2016 A     
 4       1  2017 A     
 5       1  2018 D     
 6       1  2019 D     
 7       1  2020 D     
 8       2  2014 B     
 9       2  2015 B     
10       2  2016 B     
11       2  2017 B

或者，在data.table 语法中：

library(data.table)
setDT(df2)[, .(groupid, year = from:to, Status), by = .(rn = 1:nrow(df2))][
    , rn := NULL][] 

根据help(":")，字符参数被强制转换为数字，因此不需要显式强制。

数据

df1 <- readr::read_table(
  "groupid  start.date   end.date    Status
1        2014-01-01   2017-01-01  A
1        2018-01-01   2020-01-01  D
2        2014-01-01   2017-01-01  B"
)

df2 <- readr::read_table(
  "groupid  from   to    Status
1        2014   2017  A
1        2018   2020  D
2        2014   2017  B"
)

Answer 2

你快到了！按 ID 和状态对数据进行分组，因为这两个变量的组合就是开始和结束日期的来源。

library(tidyverse)

df <- "groupid  start.date   end.date    Status
1        2014-01-01   2017-01-01  A
1        2018-01-01   2020-01-01  D
2        2014-01-01   2017-01-01  B" %>% read_table2()

df %>%
  group_by(groupid, Status) %>%
  mutate(dates = list(seq(from = start.date, to = end.date, by = "1 year"))) %>%
  unnest()
#> # A tibble: 11 x 5
#> # Groups:   groupid, Status [3]
#>    groupid start.date end.date   Status dates     
#>      <int> <date>     <date>     <chr>  <date>    
#>  1       1 2014-01-01 2017-01-01 A      2014-01-01
#>  2       1 2014-01-01 2017-01-01 A      2015-01-01
#>  3       1 2014-01-01 2017-01-01 A      2016-01-01
#>  4       1 2014-01-01 2017-01-01 A      2017-01-01
#>  5       1 2018-01-01 2020-01-01 D      2018-01-01
#>  6       1 2018-01-01 2020-01-01 D      2019-01-01
#>  7       1 2018-01-01 2020-01-01 D      2020-01-01
#>  8       2 2014-01-01 2017-01-01 B      2014-01-01
#>  9       2 2014-01-01 2017-01-01 B      2015-01-01
#> 10       2 2014-01-01 2017-01-01 B      2016-01-01
#> 11       2 2014-01-01 2017-01-01 B      2017-01-01

要获得您正在寻找的格式，您可以从日期序列中提取年份并删除额外的列：

df %>%
  group_by(groupid, Status) %>%
  mutate(dates = list(seq(from = start.date, to = end.date, by = "1 year"))) %>%
  unnest() %>%
  mutate(year = lubridate::year(dates)) %>%
  select(groupid, year, Status)
#> # A tibble: 11 x 3
#> # Groups:   groupid, Status [3]
#>    groupid  year Status
#>      <int> <dbl> <chr> 
#>  1       1  2014 A     
#>  2       1  2015 A     
#>  3       1  2016 A     
#>  4       1  2017 A     
#>  5       1  2018 D     
#>  6       1  2019 D     
#>  7       1  2020 D     
#>  8       2  2014 B     
#>  9       2  2015 B     
#> 10       2  2016 B     
#> 11       2  2017 B

由reprex package (v0.2.0) 于 2018 年 6 月 22 日创建。