在 R 中，对数据框中的行执行一个函数，并将结果连接到一个新的日期框架中答案

【问题标题】：in R, perform a function over rows in a data frame and join the result together in a new date frame在 R 中，对数据框中的行执行一个函数，并将结果连接到一个新的日期框架中
【发布时间】：2019-04-16 22:30:32
【问题描述】：

我觉得我处于正确答案的领域，但对于我的一生，我无法弄清楚如何做到这一点。我想在产品分类帐上输入一个条目并更改数据的形状，其中我在产品交易的每个生命月都有一行/案例。

请注意，有时这些分类帐条目会被冲销/退款（并且 date_from > date_thru）。我在下面的数据框中有一个新购买和退款的示例。此外，交易日期已预先清理为始终是交易日期的第一天，因为我只关心每月的每月经常性收入 (mrr)。

样本df：

user <- c("1001", "1002")
line_item <- c("abc123", "def456")
date_from <- as.Date(c("2015-01-01", "2015-06-01"), "%Y-%m-%d")
date_thru <- as.Date(c("2015-04-01", "2014-12-01"), "%Y-%m-%d")
mrr <- c(2.22, -4.44)
df <- cbind.data.frame(user, line_item, date_from, date_thru, mrr)

输出：

  user line_item  date_from  date_thru   mrr
1 1001    abc123 2015-01-01 2015-04-01  2.22
2 1002    def456 2015-06-01 2014-12-01 -4.44

想要的结果：

user    line_item       month           mrr
1001    abc123          2015-01-01    2.22
1001    abc123          2015-02-01    2.22
1001    abc123          2015-03-01    2.22
1001    abc123          2015-04-01    2.22
1002    def456          2015-06-01    -4.44
1002    def456          2015-05-01    -4.44
1002    def456          2015-04-01    -4.44
1002    def456          2015-02-01    -4.44
1002    def456          2015-01-01    -4.44
1002    def456          2014-12-01    -4.44

如何通过矢量化 seq(date_from, date_thru, by="months") 之类的函数来创建一个新的 month 列，然后像上面一样将所有结果向量再次连接到一个 df 中？

我一直在尝试 lapply、dplyr::mutate 和 seq，但无法让它们一起正常工作。

提前致谢！

【问题讨论】：

@Shree 是的，这是正确的，这是一个颠倒的line_item 的例子。反转的 lineitem 具有负值，并且 date_thru 在 date_from 之前（有点像负日期范围）。
我认为您在所需的输出中缺少用户 1002 的日期 2015-03-01
你应该重新定义seq.Date函数，让它优雅地接受正负序列。

标签： r dplyr

【解决方案1】：

这是使用dplyr、tidyr 和lubridate 的解决方案。我在这个 SO 帖子 Number of months between two dates 上找到了 elapsed_months 函数。我已经为你的情况做了一些修改。

另外，我假设负的mrr 表示date_from > date_thru。

elapsed_months <- function(end_date, start_date) {
  ed <- as.POSIXlt(end_date)
  sd <- as.POSIXlt(start_date)
  12 * (ed$year - sd$year) + (ed$mon - sd$mon) + ifelse(ed >= sd, 1, -1)
}

df %>% 
  uncount(weights = abs(elapsed_months(date_thru, date_from)), .id = "Months") %>% 
  mutate(
    Month = date_from %m+% months(sign(mrr)*(Months - 1))
  ) %>% 
  select(user, line_item, Month, mrr)

   user line_item      Month   mrr
1  1001    abc123 2015-01-01  2.22
2  1001    abc123 2015-02-01  2.22
3  1001    abc123 2015-03-01  2.22
4  1001    abc123 2015-04-01  2.22
5  1002    def456 2015-06-01 -4.44
6  1002    def456 2015-05-01 -4.44
7  1002    def456 2015-04-01 -4.44
8  1002    def456 2015-03-01 -4.44
9  1002    def456 2015-02-01 -4.44
10 1002    def456 2015-01-01 -4.44
11 1002    def456 2014-12-01 -4.44

【讨论】：

【解决方案2】：

首先定义一个month_seq 函数，它根据from 和to 日期生成所需的日期序列。然后Map 将它添加到date_from 和date_thru 列，生成列表类型的列，其组件是日期序列。然后unnestmonth 并选择所需的列。

library(dplyr)
library(tidyr)

month_seq <- function(from, to) seq(from, to, paste(sign(to - from), "month"))

df %>%
  mutate(month = Map(month_seq, date_from, date_thru)) %>%
  unnest %>%
  select(user, line_item, month, mrr)

给予：

   user line_item      month   mrr
1  1001    abc123 2015-01-01  2.22
2  1001    abc123 2015-02-01  2.22
3  1001    abc123 2015-03-01  2.22
4  1001    abc123 2015-04-01  2.22
5  1002    def456 2015-06-01 -4.44
6  1002    def456 2015-05-01 -4.44
7  1002    def456 2015-04-01 -4.44
8  1002    def456 2015-03-01 -4.44
9  1002    def456 2015-02-01 -4.44
10 1002    def456 2015-01-01 -4.44
11 1002    def456 2014-12-01 -4.44

【讨论】：

【解决方案3】：

只是为了发现tidyr 与complete 和fill 函数的特殊功能

library(tidyverse)

df %>% 
  # turn into a long format to handle the dates as one variable
  gather(key, date, date_from:date_thru) %>% 
  # group the dataframe to apply operations separately on each user
  group_by(user) %>% 
  # now complete the dataset with the implicit dates within the range of dates
  # Note the consideration of: date_from > date_to with 'min' and 'max'
  complete(date = seq.Date(from = min(date),to = max(date),by = "month") ) %>% 
  #now fill in the missing 'mrr' 
  fill(mrr, line_item)


# A tibble: 11 x 5
# Groups:   user [2]
   user  date       line_item   mrr key      
   <fct> <date>     <fct>     <dbl> <chr>    
 1 1001  2015-01-01 abc123     2.22 date_from
 2 1001  2015-02-01 abc123     2.22 <NA>     
 3 1001  2015-03-01 abc123     2.22 <NA>     
 4 1001  2015-04-01 abc123     2.22 date_thru
 5 1002  2014-12-01 def456    -4.44 date_thru
 6 1002  2015-01-01 def456    -4.44 <NA>     
 7 1002  2015-02-01 def456    -4.44 <NA>     
 8 1002  2015-03-01 def456    -4.44 <NA>     
 9 1002  2015-04-01 def456    -4.44 <NA>     
10 1002  2015-05-01 def456    -4.44 <NA>     
11 1002  2015-06-01 def456    -4.44 date_from

如果您想删除key变量，请在fill 末尾添加%>% select(-key)，尽管您可能出于某种原因想要保留它...

附：我真的很喜欢@G 在函数创建中的巧妙技巧。格洛腾迪克用sign 处理date_from > date_to

【讨论】：