Разделите группы на другие группы по интервалам дат

Я имею дело с датами и хотел сгруппировать несколько строк, но не могу найти, как это сделать. В моих данных одна строка — это особь в интервале времени и в месте. Что-то вроде того :

     ind place start_date end_date  
   <int> <int> <date>     <date>    
 1     1     1 2011-01-04 2011-01-05
 2     1     1 2011-01-05 2011-01-06
 3     1     1 2011-01-10 2011-01-11
 4     1     4 2010-12-30 2010-12-31
 5     1     4 2010-12-31 2011-01-01
 6     1     4 2011-01-01 2011-01-03
 7     2     2 2018-02-17 2018-02-19
 8     2     2 2018-02-19 2018-02-23
 9     3     3 2018-02-08 2018-02-13
10     3     3 2018-02-13 2018-02-16
11     3     3 2018-02-16 2018-02-20
12     3     3 2018-03-27 2018-03-29

Как видите, иногда start_date такой же, как и предыдущий end_date. Я могу group_byind и place, чтобы объединить временные интервалы, но проблема в том, что в некоторых строках есть пробел между start_date и предыдущим end_date. Поэтому мне нужно разделить эти группы на несколько других групп перед объединением.

В первую очередь я хочу получить:

     ind place start_date end_date   group
   <int> <int> <date>     <date>     <int>
 1     1     1 2011-01-04 2011-01-05   1
 2     1     1 2011-01-05 2011-01-06   1
 3     1     1 2011-01-10 2011-01-11   2
 4     1     4 2010-12-30 2010-12-31   3
 5     1     4 2010-12-31 2011-01-01   3
 6     1     4 2011-01-01 2011-01-03   3
 7     2     2 2018-02-17 2018-02-19   4
 8     2     2 2018-02-19 2018-02-23   4
 9     3     3 2018-02-08 2018-02-13   5
10     3     3 2018-02-13 2018-02-16   5
11     3     3 2018-02-16 2018-02-20   5
12     3     3 2018-03-27 2018-03-29   6

И в конце:

     ind place start_date end_date  
    <chr> <chr> <date>     <date>    
 1     1     1 2011-01-04 2011-01-06
 2     1     1 2011-01-10 2011-01-11
 3     1     4 2010-12-30 2011-01-03
 4     2     2 2018-02-17 2018-02-23
 5     3     3 2018-02-08 2018-02-20
 6     3     3 2018-03-27 2018-03-29

У вас есть идея, как я могу это сделать?

Спасибо !

r tidyverse lubridate

28.06.2024 14:10

Стоит ли изучать PHP в 2023-2024 годах?

Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...

Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией

В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.

Приемы CSS-макетирования - floats и Flexbox

Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...

Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest

В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...

Концепция локализации и ее применение в приложениях React ⚡️

Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...

Пользовательский скаляр GraphQL

Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...

Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Сначала вы можете отсортировать arrange по дате start, а затем создать столбец группировки, в котором start отличается от end в предыдущей строке. Последние start и end будут датами min и max внутри этих групп.

library(tidyverse)

df %>%
  mutate(start = as.Date(start_date), end = as.Date(end_date)) %>%
  arrange(ind, place, start) %>%
  mutate(group = cumsum(coalesce(start != lag(end), 0)), .by = c(ind, place)) %>%
  reframe(start = min(start), end = max(end), .by = c(ind, group, place)) %>% 
  select(-group) %>%
  arrange(ind, place)

Выход

  ind place      start        end
1   1     1 2011-01-04 2011-01-06
2   1     1 2011-01-10 2011-01-11
3   1     4 2010-12-30 2011-01-03
4   2     2 2018-02-17 2018-02-23
5   3     3 2018-02-08 2018-02-20
6   3     3 2018-03-27 2018-03-29

28.06.2024 14:32

Ответ принят как подходящий

Один из способов — добавить дополнительную группирующую переменную, которая проверяет, меньше ли end_date, чем start_date.

library(dplyr)

df %>% 
  group_by(grp = cumsum(lag(end_date, default=end_date[1]) < start_date),
           ind, place) %>% 
  summarize(start_date = first(start_date), 
            end_date = last(end_date), .groups = "drop") %>% 
  select(-grp)
# A tibble: 6 × 4
    ind place start_date end_date  
  <int> <int> <date>     <date>    
1     1     1 2011-01-04 2011-01-06
2     1     1 2011-01-10 2011-01-11
3     1     4 2010-12-30 2011-01-03
4     2     2 2018-02-17 2018-02-23
5     3     3 2018-02-08 2018-02-20
6     3     3 2018-03-27 2018-03-29

Может быть, с max и min, а не с first и last

— 02.07.2024 17:22

@jrdavalos Если данные упорядочены (кажется, так и есть), это должно дать те же результаты. (min и max возвращают Inf, если есть пустые группы, иногда это нежелательно)

— 02.07.2024 17:32

28.06.2024 14:33