如何将 X 天组合在一起以获得总发生次数？

Question

我有一个 df (due_date)，其中 1000 行按升序排列，每行是事件发生后的一天（如“1 天、2 天等”，时间格式为“天”），所以 c1 是每一天，c2 是每一天的人数。这是我的 df 的一个小例子：

diff_in_days  number_of_people
1 days        100
2 days        50
3 days        200
4 days        20
5 days        25
6 days        500

我正在尝试找出一个代码，我可以用它来组合一定天数，然后从该分组中获取总人数。例如，我想将“1 天到 3 天”分组，得到总数 350，然后将天数 >= 4 分组，得到 545。新的数据框看起来像这样：

diff_in_days  number_of_people
1:3 days      350
>=4 days      545

到目前为止，我已经尝试过 group_by 的不同组合，例如：

due_date %>%
 group_by(diff_in_days == 0:3, >=4)

due_date %>%
  group_by(diff_in_days == "0 days:3 days", ">=4 days")

due_date %>%
 group_by(diff_in_days(==0:3,>=4)

如果我尝试对多天进行分组，R 在第一个“组”之后会给我“意外符号”：

Error: unexpected '==' in:
"due_date %>%
group_by(diff_in_days(=="

我试过带/不带引号等。如果我只放：

due_date %>%
  group_by(diff_in_days == "0 days:3 days")

我得到第三列，其名为：diff_in_days == "0 days:3 days"

并且列中的每一行都用“FALSE”填充。用于查找日期差异的单位是“天”，但如果我去掉 units = c("days")，它会将单位变成我不想要的秒。我有多个 df 的类似数据，但有时可能会丢失，因此数据可能如下所示，因此我无法在每个数据中应用相同的特定行号。具体分组必须基于我为 diff_in_day 选择的天数范围。

diff_in_days  number_of_people
3 days        200
4 days        20
6 days        500

如果我需要澄清任何事情，请告诉我，但由于敏感，我无法发布完整代码。提前致谢！

Answer 1

也许您可以使用cut 并提供分界点来分成几组天。如果diff_in_days列是difftime，则可以添加as.numeric。

library(dplyr)

due_date %>%
  group_by(group = cut(as.numeric(diff_in_days), 
                       breaks = c(1, 3, Inf), 
                       include.lowest = T)) %>%
  summarise(number_of_people = sum(number_of_people))

输出

  group   number_of_people
  <fct>              <int>
1 [1,3]                350
2 (3,Inf]              545

Answer 2

您可以尝试编写一个简单的函数来进行格式化和分组。首先，用数值替换字符串，然后用这些值聚合。像这样的：

group_by_range = function(data, range) {
  col = data$diff_in_days
  col = gsub(" days", "", col)
  col = as.numeric(col)
  
  col = ifelse(col > max(range), sprintf(">=%s days", max(range) + 1), sprintf("%s:%s days", min(range), max(range)))
  res = aggregate(data$number_of_people, by = list(diff_in_days = col), FUN = sum)
  colnames(res) = colnames(data)
  return(res)
}

d = group_by_range(due_date, 1:3)

输出：

  diff_in_days number_of_people
1     >=4 days              545
2     1:3 days              350