R - 按 ID 对数据框进行分组，计算每个 ID 的开始和结束日期范围内的记录数

Question

请注意，我已经使用 dplyr 编写了一些代码来满足我的需求，但感觉非常笨拙，我想知道是否有更优雅的解决方案

我有一个简化的数据框，本质上是这样的：

df = data.frame(
  id = c(1,1,1,2,2,2),
  date = as.Date(c('2018/01/01', '2018/01/02', 
      '2018/01/03', '2018/01/01', '2018/01/02', '2018/06/01'))
)

  id       date
1  1 2018-01-01
2  1 2018-01-02
3  1 2018-01-03
4  2 2018-01-01
5  2 2018-01-02
6  2 2018-06-01

我想要一个表格，显示每个 id 的第一条记录后 30 天内的记录数和最后一条记录后 30 天内的记录数。对于这个简单的版本，输出应该是这样的：

id  start.records   end.records
1   3               3
2   2               1

我可以用这段代码得到我想要的输出：

df %>%
  group_by(id) %>%
  summarize(min.date = min(date)) %>%
  mutate(min.date.plus.30 = min.date + 30) %>%
  fuzzy_left_join(
    df,
    by = list(x=c("id", "min.date.plus.30"), y=c("id", "date")),
    match_fun = list(`==`, `>`)
  ) %>%
  group_by(id.x, min.date) %>%
  summarize(start.records = n()) %>%
  left_join(
    df %>%
      group_by(id) %>%
      summarize(max.date = max(date)) %>%
      mutate(max.date.minus.30 = max.date - 30) %>%
      fuzzy_left_join(
        df,
        by = list(x=c("id", "max.date.minus.30"), y=c("id", "date")),
        match_fun = list(`==`, `<`)
      ) %>%
      group_by(id.x, max.date) %>%
      summarize(end.records = n()),
    by = "id.x"
  )

但这似乎是一个非常不雅的解决方案。

有没有更好的方法来做到这一点？我宁愿不使用 sqldf，因为它不能轻松处理日期计算，而且我的真实数据集有 150,000 多行，即使是简单的 sqldf 测试查询也需要永远运行。

提前感谢您的帮助！

Answer 1

也许我们可以使用

library(data.table)
library(lubridate)
setDT(df)[, .(start.records = sum(date <=  (first(date) + days(30))), 
       end.records = sum(date >= (last(date) - days(30)))), by = id]
#   id start.records end.records
#1:  1             3           3
#2:  2             2           1

---

或使用dplyr

library(dplyr)
df %>%
   group_by(id) %>%
   summarise(
       start.records = sum(date <=  (first(date) + days(30))), 
       end.records = sum(date >= (last(date) - days(30))))
# A tibble: 2 x 3
#     id start.records end.records
#  <dbl>         <int>       <int>
#1     1             3           3
#2     2             2           1