r - 有条件地计算 2 个日期之间每个 ID 的唯一日期数

Question

我有一个主表，其中包含每个人物的主要事件日期:

dfMain <- data.frame(last    = c("2017-08-01", "2017-08-01", "2017-08-05","2017-09-02","2017-09-02"),
                 previous    = c(NA, NA, "2017-08-01", "2017-08-05", "2017-08-01"),
                 personid    = c(12341, 122345, 12341, 12341, 122345),
                 diff        = c(NA, NA, 4, 28, 32))

(“上一个”和“差异”变量上的 NA 表示这个人物有他的第一个“主要偶数”，即:没有以前的日期和时差)

我还有一个辅助表，其中包含每个 personid 的“辅助事件”:

dfSecondary <- data.frame(date = c("2017-09-01", "2017-08-30", "2017-08-04", "2017-08-02", "2017-08-02"),
                      personid = c(122345, 122345, 12341, 122345, 12341))

我的问题是，什么是 最佳方式 (由于我的数据量)来增加我的“dfMain”数据框与每个人物的主要事件日期之间的唯一次要事件的数量。

在虚拟示例中，我的目标是获取此表:

Occurances  <- c(NA, NA, 2, 0, 3)
dfObjective <- data.frame(dfMain, Occurances)

Answer 1

Jaap's data.table approach 使用 non-equi join 可以浓缩为“one-liner”:

dfMain[, Occurrences := dfSecondary[dfMain, 
                                    on = .(personid, date <= last, date >= previous), 
                                    .N, by = .EACHI]$N][]

         last   previous personid diff Occurrences
1: 2017-08-01       <NA>    12341   NA           0
2: 2017-08-01       <NA>   122345   NA           0
3: 2017-08-05 2017-08-01    12341    4           2
4: 2017-09-02 2017-08-05    12341   28           0
5: 2017-09-02 2017-08-01   122345   32           3

dfSecondary[dfMain, ...] 是一个 non-equi 右连接，它采用 dfMain 的所有行并在连接中聚合。结果具有与 dfMain 相同的行数和顺序。因此，我们可以选择计数列 N 并创建新的 Occurrences 列。
Non-equi joins 是 data.table 版本 1.9.8 中引入的一项新功能(在 CRAN 25 Nov 2016)。
数据
需要将样本数据集强制转换为 data.table 类，并且需要将各种日期列转换为日期类。

library(data.table)
cols <- c("last", "previous")
setDT(dfMain)[, (cols) := lapply(.SD, as.IDate), .SDcols = cols][]
setDT(dfSecondary)[, date := as.IDate(date)][]