如何检查连续性注意日期中可能的间隙答案

【问题标题】：How to check for continuity minding possible gaps in dates如何检查连续性注意日期中可能的间隙
【发布时间】：2019-01-21 10:55:24
【问题描述】：

我有一个带有日期的大数据框，我需要以连续的方式检查第一个日期，如下所示：

ID   ID_2  END         BEG
1    55    2017-06-30  2016-01-01
1    55    2015-12-31  2015-11-12  --> Gap (required date)
1    88    2008-07-26  2003-02-24
2    19    2014-09-30  2013-05-01
2    33    2013-04-30  2011-01-01  --> Not Gap (overlapping)
2    19    2012-12-31  2011-01-01
2    33    2010-12-31  2008-01-01
2    19    2007-12-31  2006-01-01
2    19    2005-12-31  1980-10-20  --> No actual Gap(required date)

如图所示，并非所有日期都有重叠，我需要通过 ID（不是 ID_2）返回第一个间隙（时间倒退）出现的日期。我试过使用 for 但它非常慢（数据框有 150k 行）。我一直在搞乱 dplyr 和 mutate 如下：

df <- df%>%
  group_by(ID)%>%
  mutate(END_lead = lead(END))

df$FLAG <- df$BEG - days(1) == df$END_lead

df <- df%>%
 group_by(ID)%>%
 filter(cumsum(cumsum(FLAG == FALSE))<=1)

但是这组指令在第一次重叠时停止，过滤了错误的日期。我已经尝试了我能想到的任何东西，按降序或升序排序，并使用 min 和 max 但无法找到解决方案。

想要的实际结果是：

ID   ID_2  END         BEG
1    55    2015-12-31  2015-11-12 
2    19    2008-07-26  1980-10-20

有没有办法使用 dplyr、tidyr 和 lubridate 做到这一点？

【问题讨论】：

我无法理解您所说的“差距”是什么意思......似乎到处都有差距？另外，“时间倒退”是否意味着您的df中从上到下？
@FonsMA“时间倒退”的意思是从最大的日期到最低的日期（df 是这样排序的）所以是从上到下。您看到的差距要么是天差（不被视为差距），要么是重叠。一个的每个开头都是前一个的结尾加上一个（或日期的重叠）
好的，我想我现在明白了，只是标记为“没有实际差距”的那个似乎是所有差距中最大的？
@FonsMA 对不起，这是我的错误，我现在编辑。

标签： r date group-by

【解决方案1】：

使用dplyr的可能解决方案：

library(dplyr)

df %>%
  mutate_at(vars(END, BEG), funs(as.Date)) %>%
  group_by(ID) %>%
  slice(which.max(BEG > ( lead(END) + 1 ) | is.na(BEG > ( lead(END) + 1 ))))

使用您最后的数据，它给出：

# A tibble: 2 x 4
# Groups:   ID [2]
     ID  ID_2 END        BEG       
  <int> <int> <date>     <date>    
1     1    55 2015-12-31 2015-11-12
2     2    19 2005-12-31 1980-10-20

解决方案的作用基本上是：

将日期更改为Date 格式（不需要lubridate）；
ID 分组；
选择满足您的条件的最高行，即最高行是一个空白 (TRUE)，或者如果没有空白，则它是第一行（意味着在检查空白时它有一个缺失值，这就是为什么is.na(BEG > ( lead(END) + 1 )))。

【讨论】：

谢谢，我仍然不了解包中可用的组合（在本例中为 mutate_at(vars(END, BEG), funs(as.Date) 或 slice(which.max

【解决方案2】：

我会使用 xts 包，首先为您拥有的每个 ID 创建 xts 对象，而不是对每个对象使用 first() 和 last() 函数。

https://www.datacamp.com/community/blog/r-xts-cheat-sheet

【讨论】：