r - R : how to with dates to years (each ID new row per year) 中的数据帧格式转换

Question

我必须将我的数据帧从当前格式转换为新格式(请参阅下面的图像或结构)。我不知道如何才能做到这一点。我想要每个 ID 一年，从 2013 年到 2018 年(所以每个 ID 有 6 行，每年一个)。日期是住在那个地址的日期(进入日期)和他们离开那个地址的时间(结束日期)。因此，每个 ID 和年份都给出了他们居住的邮政编码和城市。身份证住的地方(每年)应该是他们那年住得最长的地方。如果他们仍然住在那里，我已经将结束日期设置为 31-12-2018(此处显示为 NA)。在图片下方和前 3 行。希望大家帮帮我!

当前格式:

ID (1, 1, 2)

邮政编码 (1234AB, 5678CD, 9012EF)

城市(纽约、洛杉矶、迈阿密)

ENTRY_DATE (2-1-2014, 13-3-2017, 10-11-2011)

END_DATE (13-5-2017, 21-12-2018, 6-9-2017)

新格式:

ID (1, 1, 1, 1, 1, 1, 2)

年 (2013, 2014, 2015, 2016, 2017, 2018, 2013)

邮政编码(NA、1234AB、1234AB、1234AB、5678CD、5678CD、9012EF)

城市(北美、纽约、纽约、纽约、洛杉矶、洛杉矶、迈阿密)

See link below

Answer 1

这是一种方法。

首先，为每个位置从开始日期到结束日期创建日期间隔。使用 map2和 unnest您将为每一年创建额外的行。

由于您希望包含该日历年天数最多的位置信息，您可以查看两个间隔之间的重叠:一个间隔是日历年，第二个间隔是 ENTRY_DATE至 END_DATE .对于每一年，您可以 filter来自 max(WEEKS) (或确保每年有一个地址，按周和 slice(1) 降序排列 --- 或使用最新的 tidyr 考虑 slice_max )。这将保留间隔之间存在最大周数持续时间重叠的行。

最后complete将确保您在 2013-2018 之间的所有年份都有行。

library(tidyverse)
library(lubridate)

df %>%
  mutate(ENTRY_END_INT = interval(ENTRY_DATE, END_DATE),
         YEAR = map2(year(ENTRY_DATE), year(END_DATE), seq)) %>%
  unnest(YEAR) %>%
  mutate(YEAR_INT = interval(as.Date(paste0(YEAR, '-01-01')), as.Date(paste0(YEAR, '-12-31'))),
         WEEKS = as.duration(intersect(ENTRY_END_INT, YEAR_INT))) %>%
  group_by(ID, YEAR) %>%
  arrange(desc(WEEKS)) %>%
  slice(1) %>%
  group_by(ID) %>%
  complete(YEAR = seq(2013, 2018, 1)) %>%
  arrange(ID, YEAR) %>%
  select(-c(ENTRY_DATE, END_DATE, ENTRY_END_INT, YEAR_INT, WEEKS))

输出

# A tibble: 14 x 4
# Groups:   ID [2]
      ID  YEAR ZIPCODE CITY   
   <dbl> <dbl> <chr>   <chr>  
 1     1  2013 NA      NA     
 2     1  2014 1234AB  NEWYORK
 3     1  2015 1234AB  NEWYORK
 4     1  2016 1234AB  NEWYORK
 5     1  2017 5678CD  LA     
 6     1  2018 5678CD  LA     
 7     2  2011 9012EF  MIAMI  
 8     2  2012 9012EF  MIAMI  
 9     2  2013 9012EF  MIAMI  
10     2  2014 9012EF  MIAMI  
11     2  2015 9012EF  MIAMI  
12     2  2016 9012EF  MIAMI  
13     2  2017 9012EF  MIAMI  
14     2  2018 NA      NA    

数据

df <- structure(list(ID = c(1, 1, 2), ZIPCODE = c("1234AB", "5678CD", 
"9012EF"), CITY = c("NEWYORK", "LA", "MIAMI"), ENTRY_DATE = structure(c(16072, 
17238, 15288), class = "Date"), END_DATE = structure(c(17299, 
17896, 17415), class = "Date")), class = "data.frame", row.names = c(NA, 
-3L))