按 ID 填充给定的时间段/时间序列答案

【问题标题】：Populate a given time period/time sequence by IDs按 ID 填充给定的时间段/时间序列
【发布时间】：2019-07-31 15:37:29
【问题描述】：

假设一个像这样的df：

df <- data.frame(end_date = as.Date("2007-10-10", format = "%Y-%m-%d"))

    end_date
1 2007-10-10

我想生成从给定日期开始并返回 N 个月（在本例中为 11 个月）的每月日期序列。之后，我想为每 N 个月分配一个组 ID（在本例中为 2 个月）。我可以这样做：

library(tidyverse)
library(lubridate)

df %>%
 mutate(start_date = end_date %m-% months(11),
        date = list(seq.Date(start_date, end_date, by = "month"))) %>%
 unnest() %>%
 arrange(desc(date)) %>%
 mutate(ID = gl(ceiling(n()/3), 3, length = n()))

     end_date start_date       date ID
1  2007-10-10 2006-11-10 2007-10-10  1
2  2007-10-10 2006-11-10 2007-09-10  1
3  2007-10-10 2006-11-10 2007-08-10  1
4  2007-10-10 2006-11-10 2007-07-10  2
5  2007-10-10 2006-11-10 2007-06-10  2
6  2007-10-10 2006-11-10 2007-05-10  2
7  2007-10-10 2006-11-10 2007-04-10  3
8  2007-10-10 2006-11-10 2007-03-10  3
9  2007-10-10 2006-11-10 2007-02-10  3
10 2007-10-10 2006-11-10 2007-01-10  4
11 2007-10-10 2006-11-10 2006-12-10  4
12 2007-10-10 2006-11-10 2006-11-10  4

这是棘手的部分。我想让后续组的“end_date”成为前一组的“start_date”，并根据这一举动调整“start_date”，这意味着ID仍然具有相同的月数。我能够创建一个半功能解决方案：

df %>%
 mutate(start_date = end_date %m-% months(11),
        date = list(seq.Date(start_date, end_date, by = "month"))) %>%
 unnest() %>%
 arrange(desc(date)) %>%
 mutate(ID = gl(ceiling(n()/3), 3, length = n())) %>%
 group_by(ID) %>%
 summarise(start_date = min(date),
           end_date = max(date)) %>%
 mutate(start_date = if_else(ID != 1, start_date %m+% months(row_number() - 1), start_date),
        end_date = if_else(ID != 1, end_date %m+% months(row_number() - 1), end_date))

  ID    start_date end_date  
  <fct> <date>     <date>    
1 1     2007-08-10 2007-10-10
2 2     2007-06-10 2007-08-10
3 3     2007-04-10 2007-06-10
4 4     2007-02-10 2007-04-10

但是，问题在于它没有按组填充整个初始阶段（12 个月）。在到达原始“start_date”之前，可能会有更多 ID，即2006-11-10。

对于这个给定的示例，有第五个 ID （这也是所需的输出）：

  ID start_date   end_date
1  1 2007-08-10 2007-10-10
2  2 2007-06-10 2007-08-10
3  3 2007-04-10 2007-06-10
4  4 2007-02-10 2007-04-10
5  5 2006-12-10 2007-02-10

因此，我的问题是，是否有可能通过上述逻辑填充给定时间段？

【问题讨论】：

标签： r datetime dplyr lubridate

【解决方案1】：

如果这对应于您所追求的输出，更直接的方法可能如下：

根据month_start 定义的月份序列定义date
通过使用cut 将date 列切割成month_step-月间隔来获取start_date
通过重新标记因子start_date（向上移动级别）来定义end_date
通过将start_date 中的级别重新标记为整数来定义id

library(dplyr)
library(lubridate)

month_data <- function(end_date = "2007-10-10", month_start = -12, month_step = 2) {

  tibble(date = as.Date(end_date) + months(0:month_start)) %>%
      mutate(
          start_date = cut(date, 
              breaks = as.Date(end_date) + months(0:(month_start %/% month_step) * month_step), 
              include.lowest = TRUE),
          end_date = as.Date(factor(start_date, labels = c(tail(levels(start_date), -1), end_date))), 
          ID = factor(start_date, labels = seq_len(nlevels(start_date))),
          start_date = as.Date(start_date)
      )
}


## 12-month sequence + 2-month intervals
month_data()
#> # A tibble: 13 x 4
#>    date       start_date end_date   ID   
#>    <date>     <date>     <date>     <fct>
#>  1 2007-10-10 2007-08-10 2007-10-10 6    
#>  2 2007-09-10 2007-08-10 2007-10-10 6    
#>  3 2007-08-10 2007-08-10 2007-10-10 6    
#>  4 2007-07-10 2007-06-10 2007-08-10 5    
#>  5 2007-06-10 2007-06-10 2007-08-10 5    
#>  6 2007-05-10 2007-04-10 2007-06-10 4    
#>  7 2007-04-10 2007-04-10 2007-06-10 4    
#>  8 2007-03-10 2007-02-10 2007-04-10 3    
#>  9 2007-02-10 2007-02-10 2007-04-10 3    
#> 10 2007-01-10 2006-12-10 2007-02-10 2    
#> 11 2006-12-10 2006-12-10 2007-02-10 2    
#> 12 2006-11-10 2006-10-10 2006-12-10 1    
#> 13 2006-10-10 2006-10-10 2006-12-10 1

## 12-month sequence + 3-month intervals
month_data(month_step = 3)
#> # A tibble: 13 x 4
#>    date       start_date end_date   ID   
#>    <date>     <date>     <date>     <fct>
#>  1 2007-10-10 2007-07-10 2007-10-10 4    
#>  2 2007-09-10 2007-07-10 2007-10-10 4    
#>  3 2007-08-10 2007-07-10 2007-10-10 4    
#>  4 2007-07-10 2007-07-10 2007-10-10 4    
#>  5 2007-06-10 2007-04-10 2007-07-10 3    
#>  6 2007-05-10 2007-04-10 2007-07-10 3    
#>  7 2007-04-10 2007-04-10 2007-07-10 3    
#>  8 2007-03-10 2007-01-10 2007-04-10 2    
#>  9 2007-02-10 2007-01-10 2007-04-10 2    
#> 10 2007-01-10 2007-01-10 2007-04-10 2    
#> 11 2006-12-10 2006-10-10 2007-01-10 1    
#> 12 2006-11-10 2006-10-10 2007-01-10 1    
#> 13 2006-10-10 2006-10-10 2007-01-10 1

## 10 month sequence + 5-month intervals
month_data(month_start = -10, month_step = 5)
#> # A tibble: 11 x 4
#>    date       start_date end_date   ID   
#>    <date>     <date>     <date>     <fct>
#>  1 2007-10-10 2007-05-10 2007-10-10 2    
#>  2 2007-09-10 2007-05-10 2007-10-10 2    
#>  3 2007-08-10 2007-05-10 2007-10-10 2    
#>  4 2007-07-10 2007-05-10 2007-10-10 2    
#>  5 2007-06-10 2007-05-10 2007-10-10 2    
#>  6 2007-05-10 2007-05-10 2007-10-10 2    
#>  7 2007-04-10 2006-12-10 2007-05-10 1    
#>  8 2007-03-10 2006-12-10 2007-05-10 1    
#>  9 2007-02-10 2006-12-10 2007-05-10 1    
#> 10 2007-01-10 2006-12-10 2007-05-10 1    
#> 11 2006-12-10 2006-12-10 2007-05-10 1

【讨论】：

你的努力。您的解决方案有两个问题。首先，我不认为它可以很容易地扩展到每 N 个月（这里是 2，但它可以是 3、4 等）。其次，它会生成超出原始日期的 ID（2006-11-10 与 2006-10-10）。
@tmfmnk：我编辑了回复，添加了一个额外的过滤器，并以 3 个月的间隔而不是 2 个月的间隔进行切割。也许这更接近您想要实现的目标，从如何定义 ID 的问题中有点不清楚，因为 start_date-end_date ID 似乎与 date ID 不对应
“日期”列是“开始日期”和“结束日期”之间的 N 个月（此处为 12 个月）序列。 “start_month”列是根据给定的“end_date”列计算的。根据“日期”列，生成一组初始 ID，以便每 N 个月（此处为每两个月）分配一个唯一 ID。
@tmfmk：我想“start_month”指的是“start_date”，而这两个 N 无关？我在上一条评论中的意思是，例如2007-05-10 在初始df 中获得ID 2，但不在最终df 中ID 2（2007-06-10 到2007-08-10）的区间内。
你是对的，“start_month”我的意思是“start_date” :) 由于它所采取的移动，最终的 ID 并不完全在其原始间隔内。这意味着“end_date”列变成了前一个ID的“start_date”。然后相应地调整“start_date”，使其仍有 N 个月（在本例中为 2）。因此，最终的“start_date”是“end_date” - 2 个月，而“end_date”是之前 ID 的“start_date”。