根据两个表之间的日期逻辑计算列

Question

我想根据表之间的逻辑计算一列。让我解释一下，给定一个具有这种结构的 data.frame：

Transaction - Start - End - Quantity - Area
(Number) - (Date) - (Date) - (Number) - (Number)

Start 和End 确定Transaction 在Area 中的使用时间。我想为每一天计算每个Area中的库存。

什么是库存？ 遵循此逻辑的 Quantity 总和：

Start <= day AND End >= day
OR
Start <= day AND End == NULL

什么是白天？日历中的每一天。 （因此表之间的逻辑。）

如何在 R 中计算每个区域每天的库存量？示例数据：

calendar <- as.data.frame(seq.Date(as.Date("2019-01-01"), as.Date("2019-01-10"), 1))
colnames(calendar) <- c("Date")

> head(calendar)
        Date
1 2019-01-01
2 2019-01-02
3 2019-01-03
4 2019-01-04
5 2019-01-05
6 2019-01-06

Transaction <- c(299784, 299785, 301913, 302840, 305722, 285874, 285875, 312587, 326842, 328521)
Start <- as.Date(c("2019-01-01", "2019-01-01", "2019-01-02", "2019-01-02", "2019-01-03", "2019-01-01", "2019-01-01", "2019-01-02", "2019-01-02", "2019-01-03"))
End <- as.Date(c("2019-01-05", "2019-01-04", "2019-01-06", "2019-01-03", "NULL", "2019-01-05", "2019-01-04", "2019-01-06", "2019-01-03", "NULL"))
Quantity <- c(1,1,1,1,1,1,1,1,1,1)
Area <- c(7065, 7065, 7065, 7065, 7065, 6098, 6098, 6098, 6098, 6098)
df <- data.frame(Transaction, Start, End, Quantity, Area)

> df
   Transaction      Start        End Quantity Area
1       299784 2019-01-01 2019-01-05        1 7065
2       299785 2019-01-01 2019-01-04        1 7065
3       301913 2019-01-02 2019-01-06        1 7065
4       302840 2019-01-02 2019-01-03        1 7065
5       305722 2019-01-03       <NA>        1 7065
6       285874 2019-01-01 2019-01-05        1 6098
7       285875 2019-01-01 2019-01-04        1 6098
8       312587 2019-01-02 2019-01-06        1 6098
9       326842 2019-01-02 2019-01-03        1 6098
10      328521 2019-01-03       <NA>        1 6098

每天的库存是：

         Date  Area Stock
1  2019-01-01  7065     2
2  2019-01-02  7065     4
3  2019-01-03  7065     5
4  2019-01-04  7065     4
5  2019-01-05  7065     3
6  2019-01-06  7065     2
7  2019-01-07  7065     1
8  2019-01-08  7065     1
9  2019-01-09  7065     1
10 2019-01-10  7065     1
11 2019-01-01  6098     2
12 2019-01-02  6098     4
13 2019-01-03  6098     5
14 2019-01-04  6098     4
15 2019-01-05  6098     3
16 2019-01-06  6098     2
17 2019-01-07  6098     1
18 2019-01-08  6098     1
19 2019-01-09  6098     1
20 2019-01-10  6098     1

或：

         Date  7065  6098
1  2019-01-01     2     2
2  2019-01-02     4     4
3  2019-01-03     5     5
4  2019-01-04     4     4
5  2019-01-05     3     3
6  2019-01-06     1     1
7  2019-01-07     1     1
8  2019-01-08     1     1
9  2019-01-09     1     1
10 2019-01-10     1     1

Answer 1

编辑3：

这种方法有以下原理：
您需要每天计算您的库存，但您有一个天数范围。因此，我们必须将天数范围转换为单天数，同时保留其余数据，然后按如下方式分组和计数。
但是你有'烦人的' NAs 在那里，因此我们必须首先摆脱那些。由于当 End 日期为 NA 时，您仍希望将交易视为正在进行中，首先我将 将 NAs 转换为您的日历数据框的最大日期，因此我们稍后会将它们计算为每天 1 次，直到最大：

df$End <- as.Date(ifelse(is.na(df$End), max(calendar$Date), df$End), origin = "1970-01-01")
> df
   Transaction      Start        End Quantity Area
1       299784 2019-01-01 2019-01-05        1 7065
2       299785 2019-01-01 2019-01-04        1 7065
3       301913 2019-01-02 2019-01-06        1 7065
4       302840 2019-01-02 2019-01-03        1 7065
5       305722 2019-01-03 2019-01-10        1 7065
6       285874 2019-01-01 2019-01-05        1 6098
7       285875 2019-01-01 2019-01-04        1 6098
8       312587 2019-01-02 2019-01-06        1 6098
9       326842 2019-01-02 2019-01-03        1 6098
10      328521 2019-01-03 2019-01-10        1 6098

在此之后，我们需要在开始-结束日期之间生成缺失的日期。为此，我们可以按照MKR's example 使用tidyr 中的complete，方式如下：

library(tidyr)
nf <- df %>% group_by(row_number()) %>% complete(Start=seq.Date(max(Start), max(End), by='day')) %>% fill(Transaction, End, Quantity, Area)

我们的新数据框 nf 现在有一个新的开始日期，该日期对应于日期范围内的每个交易/数量/区域组合唯一。

> nf
# A tibble: 48 x 6
# Groups:   row_number() [10]
   `row_number()` Start      Transaction End        Quantity  Area
            <int> <date>           <dbl> <date>        <dbl> <dbl>
 1              1 2019-01-01      299784 2019-01-05        1  7065
 2              1 2019-01-02      299784 2019-01-05        1  7065
 3              1 2019-01-03      299784 2019-01-05        1  7065
 4              1 2019-01-04      299784 2019-01-05        1  7065
 5              1 2019-01-05      299784 2019-01-05        1  7065
 6              2 2019-01-01      299785 2019-01-04        1  7065
 7              2 2019-01-02      299785 2019-01-04        1  7065
 8              2 2019-01-03      299785 2019-01-04        1  7065
 9              2 2019-01-04      299785 2019-01-04        1  7065
10              3 2019-01-02      301913 2019-01-06        1  7065
# … with 38 more rows

然后我们可以继续我之前提出的建议：

zf <- nf %>% group_by(Start, Area) %>% tally(Quantity)

> zf
# A tibble: 20 x 3
# Groups:   Start [10]
   Start       Area     n
   <date>     <dbl> <dbl>
 1 2019-01-01  6098     2
 2 2019-01-01  7065     2
 3 2019-01-02  6098     4
 4 2019-01-02  7065     4
 5 2019-01-03  6098     5
 6 2019-01-03  7065     5
 7 2019-01-04  6098     4
 8 2019-01-04  7065     4
 9 2019-01-05  6098     3
10 2019-01-05  7065     3
11 2019-01-06  6098     2
12 2019-01-06  7065     2
13 2019-01-07  6098     1
14 2019-01-07  7065     1
15 2019-01-08  6098     1
16 2019-01-08  7065     1
17 2019-01-09  6098     1
18 2019-01-09  7065     1
19 2019-01-10  6098     1
20 2019-01-10  7065     1

我们在这里所做的是，我们要求 dplyr 使用 Start（最终成为我们在该日期的唯一交易）和 Area 变量给你总数量。然后，您可以将其存储在一个新表中，在本例中为 zf。

编辑1： 要以您请求的表格格式结束，您可以从 tidyr 包中运行 spread

zf <-  zf %>% spread(Area, n)
>zf
# A tibble: 10 x 3
# Groups:   Start [10]
   Start      `6098` `7065`
   <date>      <dbl>  <dbl>
 1 2019-01-01      2      2
 2 2019-01-02      4      4
 3 2019-01-03      5      5
 4 2019-01-04      4      4
 5 2019-01-05      3      3
 6 2019-01-06      2      2
 7 2019-01-07      1      1
 8 2019-01-08      1      1
 9 2019-01-09      1      1
10 2019-01-10      1      1

这会根据您的计数 (n) 将列 Area 扩展到新列。 最后，您要做的就是保留 日历 数据框中存在的日期。

希望这会有所帮助！