计算两个重叠日期 r 之间的观察次数

Question

假设我们有一个如下定义的数据框：

mydata <- data.frame(id = c('A', 'B', 'C', 'D'),
                     start_date = as.Date(c('2012-08-05',
                                            '2013-05-04',
                                            '2012-02-01',
                                            '2015-03-02')),
                     end_date = as.Date(c('2014-01-12',
                                          '2015-06-05',
                                          '2016-05-06',
                                          '2017-09-12')))

start_date 谈论员工加入的那一天，end_date 谈论他离开的那一天，id 是唯一的员工 ID。

从 2012 年 8 月 5 日（最早的 start_date）到 2017 年 9 月 12 日（最晚的 end_date）的每个月 我希望按月计算员工数。 最终输出应为一种类似于下面的格式：（不管是宽格式还是长格式）

在上面的表格中，列表示月份（1 到 12），行表示年份，表格中的单元格表示该月的员工人数。

我们将不胜感激。

Answer 1

你可以试试：

table(unlist(lapply(1:nrow(mydata), function(x) {
    format(seq(from=mydata[x,2],to=mydata[x,3],by="month"),"%Y-%m")
    })))

Answer 2

这是一个在基础 R 中使用 mapply 的解决方案。

# Function to get date of first day of a month (by @digEmAll)
toFirstDayOfMonth <- function(dates) dates - as.POSIXlt(dates)$mday + 1

# Generate all dates
dates <- Reduce(c, with(mydata, mapply(seq, toFirstDayOfMonth(start_date), end_date,
                                       by = "month")))

# Count occurrences of year/month combinations
table(format(dates, "%Y"), format(dates, "%m"))

结果：

       01 02 03 04 05 06 07 08 09 10 11 12
  2012  0  1  1  1  1  1  1  2  2  2  2  2
  2013  2  2  2  2  3  3  3  3  3  3  3  3
  2014  3  2  2  2  2  2  2  2  2  2  2  2
  2015  2  2  3  3  3  3  2  2  2  2  2  2
  2016  2  2  2  2  2  1  1  1  1  1  1  1
  2017  1  1  1  1  1  1  1  1  1  0  0  0

Answer 3

来自tidyverse 和lubridate 的解决方案。

library(tidyverse)
library(lubridate)

mydata2 <- mydata %>%
  mutate(Dates = map2(start_date, end_date, ~seq(.x, .y, by = "day"))) %>%
  unnest() %>%
  mutate(Year = year(Dates), Month = month(Dates)) %>%
  group_by(Year, Month) %>%
  summarise(Employee = n_distinct(id)) %>%
  spread(Month, Employee, fill = 0)
mydata2
# A tibble: 6 x 13
# Groups:   Year [6]
   Year   `1`   `2`   `3`   `4`   `5`   `6`   `7`   `8`   `9`  `10`  `11`  `12`
* <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1  2012     0     1     1     1     1     1     1     2     2     2     2     2
2  2013     2     2     2     2     3     3     3     3     3     3     3     3
3  2014     3     2     2     2     2     2     2     2     2     2     2     2
4  2015     2     2     3     3     3     3     2     2     2     2     2     2
5  2016     2     2     2     2     2     1     1     1     1     1     1     1
6  2017     1     1     1     1     1     1     1     1     1     0     0     0

Answer 4

您还可以使用data.table 包或data.table 和dplyr 的组合。

我将展示dplyr 和data.table 版本（我使用dplyr 的唯一原因是%>% 运算符。您也可以在一行中完成整个操作而不使用%>%）。

# load data.table
library(data.table)
# load dplyr
library(dplyr)

#for each employee id, list first days of months during which employee was working, then transform from long to wide format using dcast function
dt <- setDT(mydata)[, list(date = seq(as.Date(format(min(start_date), "%Y-%m-01")),
 as.Date(format(max(end_date), "%Y-%m-01")),
 by = "month")), by = id] %>% dcast(year(date) ~ month(date))

上面的代码究竟做了什么？

by = id 告诉您data.table 中的操作（本例中为日期的计算）将为每个员工 ID 执行。

format(max(end_date), "%Y-%m-01") 为您提供每位员工工作的上个月的开始时间。

format(min(start_date), "%Y-%m-01)"员工开始工作的月初。

seq(..., ...., by = "month") 为您提供每位员工工作的所有月份的第一天。

%>% 是管道操作符，意思是“那么”。与使用 setDT(mydata)[..., ..., ...] 的结果作为dcast函数的第一个参数相同。

dcast 函数将long 格式（在本例中为setDT[...] 的结果）转换为wide 格式。

结束就是结束:)