在 R 中，有没有办法计算一个事件结束和另一个事件开始之间的天数？答案

【问题标题】：In R, is there a way to calculate the number of days between the end of one event and the beginning of another?在 R 中，有没有办法计算一个事件结束和另一个事件开始之间的天数？
【发布时间】：2021-06-25 22:42:28
【问题描述】：

（注意：酒店数据用作说明性示例。）

我正在使用一个数据集，该数据集包含每个客户 (custID) 的多条记录（例如“hotelStays”）。我的目标是获取自客户上次入住以来的天数作为数据框中的新列（即每个客户的第一次入住将具有“NA”作为其值）。为此，我想从每个客户当前的 checkInDt 中减去他们之前的 checkOutDt。但是，当我尝试使用 lag() 执行此操作时，新列中的所有值都是“NA”。

以下是我正在使用的数据类型的示例。

custID	stayID	stayDt	checkInDt	checkOutDt
AAAAA	11111	01/15/1995	01/10/1995	01/17/1995
BBBBB	11112	02/08/1995	02/02/1995	02/25/1995
AAAAA	11113	03/01/1995	03/01/1995	03/03/1995
AAAAA	11114	06/24/1995	06/22/1995	07/02/1995
BBBBB	11115	10/02/1995	10/01/1995	10/10/1995
CCCCC	11116	01/08/1996	01/05/1996	01/17/1996
AAAAA	11117	05/15/1996	05/10/1996	05/28/1996

理想情况下，新列“daysSinceLastStay”应具有以下值：

daysSinceLastStay
NA
NA
43
111
218
NA
313

但是，我想我需要先按 custID 和 stayDt 排序。

以下是我目前对代码的尝试：

hotelData <- hotelData %>%
                arrange(custID, stayDt) %>%
                mutate(daysSinceLastStay = 
                       checkInDt - lag(checkOutDt))

非常感谢任何建议！

【问题讨论】：

标签： r dplyr difftime

【解决方案1】：

根据您预期的数据，您似乎需要使用group_by() 函数。这应该可以为您提供所需的内容。

# t*r*ibble, for creating data by row
hotelData <- tibble::tribble(
  ~custID, ~stayID, ~stayDt, ~checkInDt, ~checkOutDt,
  "AAAAA",  11111,  "01/15/1995",   "01/10/1995",   "01/17/1995",
  "BBBBB",  11112,  "02/08/1995",   "02/02/1995",   "02/25/1995",
  "AAAAA",  11113,  "03/01/1995",   "03/01/1995",   "03/03/1995",
  "AAAAA",  11114,  "06/24/1995",   "06/22/1995",   "07/02/1995",
  "BBBBB",  11115,  "10/02/1995",   "10/01/1995",   "10/10/1995",
  "CCCCC",  11116,  "01/08/1996",   "01/05/1996",   "01/17/1996",
  "AAAAA",  11117,  "05/15/1996",   "05/10/1996",   "05/28/1996"
)

# convert the date columns to the proper data type
# then, sort the data by customer ID and stayID
hotelData <- hotelData %>%
  mutate(across(stayDt:checkOutDt, lubridate::mdy)) %>%
  arrange(custID, stayID)

# within each customer, take the difference in days
hotelData %>%
  group_by(custID) %>%
  mutate(daysSinceLastStay = as.numeric(checkInDt - lag(checkOutDt)))

# A tibble: 7 x 6
# Groups:   custID [3]
  custID stayID stayDt     checkInDt  checkOutDt daysSinceLastStay
  <chr>   <dbl> <date>     <date>     <date>                 <dbl>
1 AAAAA   11111 1995-01-15 1995-01-10 1995-01-17                NA
2 AAAAA   11113 1995-03-01 1995-03-01 1995-03-03                43
3 AAAAA   11114 1995-06-24 1995-06-22 1995-07-02               111
4 AAAAA   11117 1996-05-15 1996-05-10 1996-05-28               313
5 BBBBB   11112 1995-02-08 1995-02-02 1995-02-25                NA
6 BBBBB   11115 1995-10-02 1995-10-01 1995-10-10               218
7 CCCCC   11116 1996-01-08 1996-01-05 1996-01-17                NA

【讨论】：

谢谢@Andrew！快速跟进：为什么这里的 group_by(custID) 是必要的？
根据您的描述和问题中所需的列输出，我的理解是您需要根据每个客户计算上次入住的时间。 group_by() 函数确保函数（例如 lag()）在分组的基础上应用，即作为单独的数据帧。在我的输出中，客户 CCCCC 没有超过 1 次停留，因此您不想使用 BBBBB 数据的最后一行（即第 6 行）。
知道了，谢谢！我之前已经对该 df 进行了分组，但没有意识到这样做对于每个客户执行的每个操作都是必要的。有道理，欣赏。