创建一个虚拟/指标变量，该变量引用来自两个不同数据帧的日期变量

Question

我的问题很基本，但我是 R 新手，我已经尝试解决这个问题几天了，但没有任何成功:(

我在做什么

这是 CoronaNet_cleaned 数据框。

country       date_start  date_end  
South Africa  2020-03-22  NA
South Africa  2020-04-12  2020-06-02
Australia     2021-02-11  2020-04-12
Australia     2020-06-10  NA 
United States 2020-01-01  NA  
United States 2020-12-08  NA

这是 tweetgovuser 数据框

country        screen_name  created_at   text                 
South Africa   HealthZA     2020-12-08   The number of health care workers....
...

我想要什么

我想在 tweetgovuser 中创建一个名为 lockdown_dummy 的列。我希望根据三个条件创建此指标/虚拟变量：

• 如果 created_at (tweetgovuser) 匹配 date_start 或 date_end (CoronaNet_cleaned)，让 lockdown_dummy (在 tweetgovuser 中) = 1
• 如果 created_at 介于 date_end 和 date_start 的日期之间，则令 lockdown_dummy = 1
• 如果以上条件都不成立，则设 lockdown_dummy = 0

最终产品应如下所示：

country        screen_name  created_at   text             lockdown_dummy      
South Africa   HealthZA     2020-12-08   The number....   1
...

我尝试过的

我尝试了几个不同的代码块，但最近我写了这个非常粗糙且写得很糟糕的代码来执行这个：

  lockdown_dummy <- case_when(
  created_at == date_start ~ 1,
  created_at == date_end ~ 1, 
  "date_start" %<% created_at %<% "date_end" ~ 1
  TRUE ~ 0
  )

Answer 1

好问题。下次尝试多分享一些导入代码的数据，方便我们做实验。为此，您可以使用 dput() 之类的函数。

在您的情况下，首先要做的是连接这两个表。这里我使用了left_join()。

然后，您只需要调用ifelse() 来检查日期是否高于开始日期并小于结束日期。

代码如下：

library(tidyverse)
library(lubridate)

CoronaNet_cleaned = read.table(header=T, text="
country       date_start  date_end  
'South Africa'  2020-03-22  NA
'South Africa'  2020-03-22  2027-03-22
'South Africa'  2020-04-12  2020-06-02
Australia     2021-02-11  2020-04-12
Australia     2020-06-10  NA 
'United States' 2020-01-01  NA  
'United States' 2020-12-08  NA")

tweetgovuser  = read.table(header=T, text="
country        screen_name  created_at   text                 
'South Africa'   HealthZA     2020-12-08   'The number of health care workers'                
")

CoronaNet_cleaned %>% 
  left_join(tweetgovuser, by="country") %>% 
  mutate(
    date_start = ymd(date_start),  #probably not needed with real data
    date_end = ymd(date_end),      #probably not needed with real data
    created_at = ymd(created_at),  #probably not needed with real data
    dummy = ifelse(created_at>=date_start & created_at<=date_end, 1, 0),
  )
#> # A tibble: 7 x 7
#>   country    date_start date_end   screen_name created_at text             dummy
#>   <chr>      <date>     <date>     <chr>       <date>     <chr>            <dbl>
#> 1 South Afr~ 2020-03-22 NA         HealthZA    2020-12-08 The number of h~    NA
#> 2 South Afr~ 2020-03-22 2027-03-22 HealthZA    2020-12-08 The number of h~     1
#> 3 South Afr~ 2020-04-12 2020-06-02 HealthZA    2020-12-08 The number of h~     0
#> 4 Australia  2021-02-11 2020-04-12 <NA>        NA         <NA>                NA
#> 5 Australia  2020-06-10 NA         <NA>        NA         <NA>                NA
#> 6 United St~ 2020-01-01 NA         <NA>        NA         <NA>                NA
#> 7 United St~ 2020-12-08 NA         <NA>        NA         <NA>                NA

^{由reprex package (v1.0.0) 于 2021-05-20 创建}