确定日期戳和参考日期之间的差异

Question

我正在处理一个包含 191K 观察的数据集，其中包含 2014-2020 年期间带有日期戳的单个记录。

我有四个参考日期（2014 年 9 月 19 日、2016 年 9 月 9 日、2017 年 10 月 26 日、2019 年 6 月 19 日），我需要确定每条记录的日期戳之间的差异。问题是我只需要difftime 的正值：

• 如果差值
• 如果日期差为180-365天，则该值将设置为180；
• 如果差值 >365 天，则不适用；
• 不会包含负值。

样本数据：

Date            Difftime     Notes:
11 Nov 2014     53           19 Sept 2014 used as reference
10 Jun 2015     180          19 Sept 2014 reference, but >180
5 Jan 2018      71           26 Oct 2017 reference
1 May 2019      NA           No reference date within 365 days

总而言之，需要将记录的日期戳与相关参考日期（即壁橱、记录后日期）进行比较。我认为在为每个参考日期创建单独的变量之后，我可以在多个单独的 ifelse 语句中执行此操作，但我不想用更多变量使我的数据集混乱（即使我可以在评估后删除它们） .对于如何为此评估编写代码的任何见解，我将不胜感激。

Answer 1

这是一种可能的方法。

我创建了一个带有四个参考日期的向量（按顺序）：

ref_dates <- as.Date(c("2014-09-19", "2016-09-09", "2017-10-26", "2019-6-19"))

还有一个带有样本数据的data.frame：

sample_data <- data.frame(Date = as.Date(c("2014-11-11", "2015-6-10", "2018-1-5", "2019-5-1")))

您可以使用findInterval 确定每个采样日期的最接近的参考日期，而无需重复（“价格合适”的方法）：

编辑：我创建了一个函数来返回最接近的日期（或 NA，如果它早于所有参考日期）：

my_fun <- function(x) {
  the_date <- ref_dates[findInterval(x, ref_dates)]
  return(ifelse(length(the_date) == 0, NA, the_date))
}   

函数会被如下调用，包括origin，因为日期变为数字：

sample_data$Ref_Date <- as.Date(sapply(sample_data$Date, my_fun), origin = '1970-01-01')

这会给你这个：

        Date   Ref_Date
1 2014-11-11 2014-09-19
2 2015-06-10 2014-09-19
3 2018-01-05 2017-10-26
4 2019-05-01 2017-10-26

您可以计算两个日期之间的差异（在这种情况下存储为整数）：

sample_data$Difftime <- as.integer(round(difftime(sample_data$Date, sample_data$Ref_Date, units = "days")))

然后，您可以应用您的规则。选项可能包括case_when（来自dplyr）或更新的fcase，来自最新的data.table（速度很快）。

library(data.table)

setDT(sample_data)

sample_data[ , Difftime_final := fcase(
  Difftime < 180L, Difftime,
  Difftime < 365L, 180L,
  Difftime >= 365L, NA_integer_
)]

给出最终结果：

         Date   Ref_Date Difftime Difftime_final
1: 2014-11-11 2014-09-19       53             53
2: 2015-06-10 2014-09-19      264            180
3: 2018-01-05 2017-10-26       71             71
4: 2019-05-01 2017-10-26      552             NA