如何从第一次观察中获取结束日期并将其用作同一 ID 的第二次观察的开始日期？答案

【问题标题】：How to get the ending date from the first observation and use it as the starting date for the second observation for the same ID?如何从第一次观察中获取结束日期并将其用作同一 ID 的第二次观察的开始日期？
【发布时间】：2019-08-08 10:08:36
【问题描述】：

我的 df 有一些独特的和一些双重的条目和列，显示每个观察的开始和结束日期，但它们不能重叠相同的 id。


df <- data.frame(id = c(22,22,102,102,102),
                 start_date = as.Date(c("2013-10-29","2014-01-09",
                                 "2016-09-14",
                                 "2016-09-14","2016-09-14")), 
                 end_date = as.Date(c("2017-08-15","2018-10-05",
                                 "2016-10-09",
                                 "2017-12-12","2018-10-17")))

head(df)
   id start_date   end_date
1  22 2013-10-29 2017-08-15
2  22 2014-01-09 2018-10-05
3 102 2016-09-14 2016-10-09
4 102 2016-09-14 2017-12-12
5 102 2016-09-14 2018-10-17

ids 22 和 102 日期间隔重叠，但对于 22 具有不同的 start_date 而对于 102 具有相同的 start_date。

我需要的结果是：

当日期重叠时，以上次观察的最后日期作为开始日期。
当日期不重叠时，保留实际值。

有什么想法或建议吗？

我期望的结果是：

head(fixed_df)
   id start_date   end_date
1  22 2013-10-29 2017-08-15
2  22 2017-08-15 2018-10-05
3 102 2016-09-14 2016-10-09
4 102 2016-10-09 2017-12-12
5 102 2017-12-12 2018-10-17

【问题讨论】：

标签： r date

【解决方案1】：

在 R 中，您可以轻松地将日期对象与普通 ==、> 或

#Loop over every lines except the last one
for (line in c(1:(length(df$id)-1)))
{
  #Do something only if next line have the same ID
  if(df$id[line]==df$id[line+1])
  {
    #Check if end date is after start date of the next line
    if(df$end_date[line]>df$start_date[line+1])
    {
     #If yes, put the start date of next line to end date of current line
     df$start_date[line+1]=df$end_date[line]
    }
  }


}

【讨论】：

谢谢，Chelmy88。它工作得很好，尤其是以前做的安排（id，start_date，end_date）。它比 dplyr 的选项更快（我一直是首选，但通常更慢）。

【解决方案2】：

有了dplyr，我会这样做：

library(dplyr)
df %>% group_by(id) %>%
  arrange(start_date) %>%
  mutate(
    lag(end_date),
    overlap = start_date < lag(end_date, default=as.Date('2000-01-01')),
    new_start_date = if_else(overlap, lag(end_date), start_date)
  )

     id start_date end_date   `lag(end_date)` overlap new_start_date
  <dbl> <date>     <date>     <date>          <lgl>   <date>        
1    22 2013-10-29 2017-08-15 NA              FALSE   2013-10-29    
2    22 2014-01-09 2018-10-05 2017-08-15      TRUE    2017-08-15    
3   102 2016-09-14 2016-10-09 NA              FALSE   2016-09-14    
4   102 2016-09-14 2017-12-12 2016-10-09      TRUE    2016-10-09    
5   102 2016-09-14 2018-10-17 2017-12-12      TRUE    2017-12-12

这个非常冗长，但只是为了演示正在发生的事情。

一些关键点：

使用group_by 将比较保持在id 内。
接下来，排序。
lag - 与之前的值进行比较。但是使用一个好的默认值，也就是同一类型。

如果您想要严格无重叠，请考虑使用lag(end_date) + days(1)。

【讨论】：

谢谢，Gumble 先生。它工作得很好，尤其是同时使用arrange(id, start_date, end_date)。