R：将开始/结束日期转换为数据系列答案

【问题标题】：R: converting start/end dates into data seriesR：将开始/结束日期转换为数据系列
【发布时间】：2016-03-06 16:19:52
【问题描述】：

我有以下代表用户订阅的数据框：

User  StartDate   EndDate
1     2015-09-03  2015-10-17
2     2015-10-27  2015-12-25
...

如何将其转换为时间序列，让我可以计算一段时间内的每月活跃订阅数（假设它在该月至少有一天活跃）。像这样（基于上面的例子，假设只有 2 条记录）：

Month    Count
2015-08  0
2015-09  1
2015-10  2
2015-11  1
2015-12  1
2016-01  0

Rem：我为时间序列取了一些任意的开始和结束日期，以使示例清晰。

【问题讨论】：

标签： r

【解决方案1】：

准备数据并确保日期列实际存储为日期：

data <- read.table(text = "User  StartDate   EndDate
1     2015-09-03  2015-10-17
2     2015-10-27  2015-12-25", header = TRUE)
data$StartDate <- as.Date(StartDate)
data$EndDate <- as.Date(EndDate))

此函数返回一个包含订阅内所有月份的向量：

library(lubridate)
subscr_month <- function(start, end) {

  start <- floor_date(start, "month")
  seq <- seq(start, end, by = "1 month")
  months <- format(seq, format = "%Y-%m")
  return(months)

}

它使用来自lubridate 包的函数floor_date()。有必要对开始日期进行四舍五入，否则可能会丢失最后一个月。例如，对于用户 2，如果您将开始日期添加两个月，您将在结束日期之后的 2015-12-27 上结束，因此从 12 月开始的任何日期都不会包含在 seq 中。最后一行将日期转换为仅包含年和月的字符。

现在，您可以使用mapply() 将此函数应用于数据中的每个开始和结束日期。之后，table() 在结果列表中创建一个包含所有日期的计数表：

all_month <- mapply(subscr_month, data$StartDate, data$EndDate, SIMPLIFY = FALSE)
table(unlist(all_month))
## 2015-09 2015-10 2015-11 2015-12 
##       1       2       1       1

您还可以将表格转换为数据框：

as.data.frame(table(unlist(all_month)))
##      Var1 Freq
## 1 2015-09    1
## 2 2015-10    2
## 3 2015-11    1
## 4 2015-12    1

您的示例输出还包括未出现在数据集中的月份的计数。如果你想要这个，你可以将月份向量转换为一个因子，并将级别设置为你想要包含的所有月份：

month_list <- format(seq(as.Date("2015-08-01"), as.Date("2016-01-01"), by = "1 month"), format = "%Y-%m")
all_month_factor <- factor(unlist(all_month), levels = month_list)
table(all_month_factor)
## all_month_factor
## 2015-08 2015-09 2015-10 2015-11 2015-12 2016-01 
##       0       1       2       1       1       0

【讨论】：

【解决方案2】：

读取提到的数据框。

df = structure(list(StartDate = structure(c(16681, 16735), class = "Date"), 
    EndDate = structure(c(16735, 16794), class = "Date")), class = "data.frame", .Names = c("StartDate", 
"EndDate"), row.names = c(NA, -2L))

可以在dplyr包和seq中充分利用do

df %>%
      rowwise() %>% do({
        w <- seq(.$StartDate,.$EndDate,by = "15 days") #for month difference less than 1 complete month
        m <- format(w,"%Y-%m") %>% unique 
        data.frame(Month = m)
      }) %>%
      group_by(Month) %>%
      summarise(Count = length(Month))

【讨论】：