r - 根据多个引用日期计算每个客户的事件发生次数

Question

我对 R 相当陌生，我有一个包含客户编号和几千个事件日期的数据集。数据格式如下:

data <- data.frame("Client"=c(rep(1, 4), rep(2, 3), rep(3, 2)), "Date"=as.Date(c("2015-11-20", "2015-12-04", "2016-01-08", "2016-04-07", "2015-12-19", "2016-02-02", "2016-02-21", "2016-01-04", "2016-02-12")), "Event"=rep(1, 9))
data
  Client       Date Event
1      1 2015-11-20     1
2      1 2015-12-04     1
3      1 2016-01-08     1
4      1 2016-04-07     1
5      2 2015-12-19     1
6      2 2016-02-02     1
7      2 2016-02-21     1
8      3 2016-01-04     1
9      3 2016-02-12     1

给定一组引用日期，

 refdates <- as.Date(c("2016-01-01", "2016-03-01"))

我想计算每个客户在 (1) 引用日期后 30 天、(2) 引用日期前 0-30 天和 (3) 引用日期前 31-60 天发生的事件数引用日期。

我希望输出是一个如下所示的数据框:

  Client    RefDate post30 prior30 prior31.60
1      1 2016-01-01      1       1          1
2      1 2016-03-01      0       0          1
3      2 2016-01-01      0       1          0
4      2 2016-03-01      0       2          0
5      3 2016-01-01      1       0          0
6      3 2016-03-01      0       1          1

我觉得我应该能够使用 plyr 来做到这一点，但我感觉有点不知所措。有人能指出我正确的方向吗？

Answer 1

这是一个基本的R方法。

do.call(rbind, lapply(refdates, FUN=function(i) {
  aggregate(cbind("post30"=data$Date - i > -1 & data$Date - i < 31,
                  "prior30"=data$Date - i > -31 & data$Date - i < 0, 
                  "prior31.60"=data$Date - i > -61 & data$Date - i < -30),
            list(data$Client), FUN=sum)
}))

这是一个快速分解:

aggregate函数对特定引用日期的每个客户端的时间窗口内的逻辑值求和。

cbind允许我们一次计算多个窗口并向输出添加名称。

lapply贯穿引用日期并调用 aggregate .这将返回我们正在寻找的列表。

最后，do.call接收这个 data.frames 列表和 rbinds它们来创建单个 data.frame。