dplyr 条件分组日期答案

【问题标题】：dplyr conditional grouping datesdplyr 条件分组日期
【发布时间】：2017-06-22 15:46:38
【问题描述】：

我有一个这种格式的数据框

Account ID, Start Date, End Date
      1   , 2016-01-01, 2016-02-01
      1   , 2016-02-02, 2016-03-01
      1   , 2016-03-01, 2016-04-01
      2   , 2016-01-01, 2016-02-01
      2   , 2016-03-02, 2016-03-20
      2   , 2016-03-21, 2016-04-01

我希望生成的数据框看起来像。

Account ID, Start Date, End Date
      1   , 2016-01-01, 2016-04-01
      2   , 2016-01-01, 2016-02-01
      2   , 2016-03-02, 2016-04-01

如果一个帐户的结束日期和后续开始日期之间的时间少于 7 天，它将合并为一个，并使用后一个记录的结束日期和前一个记录的开始日期。

我已经尝试使用 dplyr 对 Lead 和 Lag 进行分组，但这不适用于具有 3 条或更多记录的帐户。

在示例中，

帐户 ID 1 是一种可以通过按帐户 ID 分组来解决的情况，并且 max、min 可以工作

但帐户 ID 2 是这种情况下不起作用的情况。

非常感谢任何帮助。

【问题讨论】：

标签： r dataframe dplyr

【解决方案1】：

您的数据：

dat <- read.table(text = "AccountID StartDate  EndDate
1         2016-01-01 2016-02-01
1         2016-02-02 2016-03-01
1         2016-03-01 2016-04-01
2         2016-01-01 2016-02-01
2         2016-03-02 2016-03-20
2         2016-03-21 2016-04-01", header = TRUE, stringsAsFactors = FALSE)
dat[2:3] <- lapply(dat[2:3], as.Date)

分组后可以使用lag：

library(dplyr)
group_by(dat, AccountID) %>%
  mutate(
    week = cumsum(StartDate - lag(EndDate, default = 0) > 7)
  ) %>%
  group_by(AccountID, week) %>%
  summarize(
    StartDate = min(StartDate),
    EndDate = max(EndDate)
  ) %>%
  ungroup()
# # A tibble: 3 × 4
#   AccountID  week  StartDate    EndDate
#       <int> <int>     <date>     <date>
# 1         1     1 2016-01-01 2016-04-01
# 2         2     1 2016-01-01 2016-02-01
# 3         2     2 2016-03-02 2016-04-01

【讨论】：