dplyr：计算产品补货的天数答案

【问题标题】：dplyr: calculate the days for product replenishmentdplyr：计算产品补货的天数
【发布时间】：2019-10-30 10:42:32
【问题描述】：

我正在处理一个数据集，我需要在其中计算零售店从短缺中补充一些产品需要多长时间，以下是该数据集的最简单形式的快速视图：

Date <- c("2019-1-1","2019-1-2","2019-1-3","2019-1-4","2019-1-5","2019-1-6","2019-1-7","2019-1-8")
Product <- rep("Product A",8)
Net_Available_Qty <- c(-2,-2,10,8,-5,-6,-7,0)
sample_df <- data.frame(Date,Product,Net_Available_Qty)

当 Net_Available_Qty 变为负数时，表示存在短缺。当它变回 0 或正数量时，表示供应已恢复。我需要计算的是我们第一次看到短缺和恢复之间的天数。在这种情况下，第一次缺货需要 2 天才能恢复，而第二次缺货需要 3 天才能恢复。

欢迎使用 tidyverse 解决方案。

【问题讨论】：

标签： r dplyr tidyverse duration

【解决方案1】：

我希望其他人找到更清洁的解决方案。但这会产生diffDate，它分配从负数变为正数/零时的日期差。

sample_df %>%
  mutate(sign = ifelse(Net_Available_Qty > 0, "pos", ifelse(Net_Available_Qty < 0, "neg", "zero")),
         sign_lag = lag(sign, default = sign[1]),       # get previous value (exception in the first place)
         change = ifelse(sign != sign_lag, 1 , 0),      # check if there's a change
         sequence=sequence(rle(as.character(sign))$lengths)) %>%
  group_by(sequence) %>%
  mutate(diffDate = as.numeric(difftime(Date, lag(Date,1))),
         diffDate=ifelse(Net_Available_Qty <0, NA, ifelse((sign=='pos'| sign=='zero') & sequence==1, diffDate, NA))) %>% 
  ungroup() %>%
  select(Date, Product, Net_Available_Qty, diffDate)

【讨论】：

非常感谢 Schilker 的快速回复。我需要花一些时间来理解你的代码。最令人困惑的部分是：sequence=sequence(rle(as.character(sign))$lengths) 的变异列，你能帮我理解一下吗？
@FelixZhao，创建序列变量是为了：计算变量符号的连续出现次数。符号是用于显示 Net_Available_Qty 的负值、正值或零值的创建因子。如果您想查看完整的数据集，请删除上述代码中的“Select()”。它可能会让您更好地理解。
然后我们按顺序分组，因为它第一次出现新的正数、负数或零来：计算第一次出现之间的日期差
嗨 Schilker，你拯救了我的一天！我对您的代码进行了一些修改以适应我的问题，并且效果很好。非常感谢！
不客气@felixZhao，如果您觉得我的回答对您有帮助并解决了您的问题，请将其标记为线程上的正确答案。干杯！

【解决方案2】：

@Schilker 使用rle 提出了一个好主意。我正在他的回答的基础上提供一个略短的版本，包括使用cumsum

Date <- c("2019-1-1","2019-1-2","2019-1-3","2019-1-4","2019-1-5","2019-1-6","2019-1-7","2019-1-8")
Product <- rep("Product A",8)
Net_Available_Qty <- c(-2,-2,10,8,-5,-6,-7,0)
sample_df <- data.frame(Date,Product,Net_Available_Qty)

library(tidyverse)

sample_df %>%
  mutate(
    diffDate = c(1, diff(as.Date(Date))),
    sequence = sequence(rle(Net_Available_Qty >= 0)$lengths),
    group = cumsum(c(TRUE, diff(sequence)) != 1L)
  ) %>%
  group_by(group) %>%
  mutate(n_days = max(cumsum(diffDate)))
#> # A tibble: 8 x 7
#> # Groups:   group [4]
#>   Date     Product   Net_Available_Qty diffDate sequence group n_days
#>   <fct>    <fct>                 <dbl>    <dbl>    <int> <int>  <dbl>
#> 1 2019-1-1 Product A                -2        1        1     0      2
#> 2 2019-1-2 Product A                -2        1        2     0      2
#> 3 2019-1-3 Product A                10        1        1     1      2
#> 4 2019-1-4 Product A                 8        1        2     1      2
#> 5 2019-1-5 Product A                -5        1        1     2      3
#> 6 2019-1-6 Product A                -6        1        2     2      3
#> 7 2019-1-7 Product A                -7        1        3     2      3
#> 8 2019-1-8 Product A                 0        1        1     3      1

^{由reprex package (v0.3.0) 于 2020 年 2 月 23 日创建}

【讨论】：