r - 在 data.table 中添加带有条件的虚拟对象？

Question

抱歉问了这么长的问题。我会尽我所能明确地阐明我的目标

我想使用 update 方法在 data.table 中添加虚拟对象，就像 this already answered in this link ，但稍微复杂一点。

为了更好地描述，我创建了数据。

DT <- data.table(UID = paste0("UID",rep(1:5,each=2)), 
                 date = as.IDate(c("2012-01-01","2012-01-02","2012-01-03","2012-01-04","2012-01-05","2012-01-06","2012-02-01","2012-02-02","2012-02-03","2012-02-04")),
                 value = c(1:10)) 

DT 是一个数据表，包含 UID、日期和值的信息。在原始数据中，结构相同，但时间跨度较长(2年)。

在这里，我想根据日期添加假人。

日期有几个特殊的时间跨度，我们可以用假期来表示它们。

例如，在我上面创建的假数据中。

有两个假期

从“2012-01-02”到“2012-01-05”

从“2012-02-02”到“2012-02-03”

我想添加两种类型的假人

关于假期长度的假人:首先计算不同假期的长度。在这个例子中，我们有两个不同的长度(2 和 4)。因此，我们将添加 2 个假人，指示日期是否在这些假期中。

预期的结果是这样的:

UID     Date    Val D_length_2  D_length_4UID1    1/1/2012    1   FALSE   FALSEUID2    1/2/2012    2   FALSE   TRUEUID3    1/3/2012    3   FALSE   TRUEUID4    1/4/2012    4   FALSE   TRUEUID5    1/5/2012    5   FALSE   TRUEUID1    1/6/2012    6   FALSE   FALSEUID2    2/1/2012    7   TRUE    FALSEUID3    2/2/2012    8   TRUE    FALSEUID4    2/3/2012    9   FALSE   FALSEUID5    2/4/2012    10  FALSE   FALSE

2. Dummies about whether the day is exactly one day before the vacation, or exactly one day after the vacation.

UID    Date      Val    Before  AfterUID1    1/1/2012    1   TRUE    FALSEUID2    1/2/2012    2   FALSE   FALSEUID3    1/3/2012    3   FALSE   FALSEUID4    1/4/2012    4   FALSE   FALSEUID5    1/5/2012    5   FALSE   FALSEUID1    1/6/2012    6   FALSE   TRUEUID2    2/1/2012    7   TRUE    FALSEUID3    2/2/2012    8   FALSE   FALSEUID4    2/3/2012    9   FALSE   FALSEUID5    2/4/2012    10  FALSE   TRUE

So the total of desired results is like this

UID Date    Val Before  After   D_length_2  D_length_4UID1    1/1/2012    1   TRUE    FALSE   FALSE   FALSEUID2    1/2/2012    2   FALSE   FALSE   FALSE   TRUEUID3    1/3/2012    3   FALSE   FALSE   FALSE   TRUEUID4    1/4/2012    4   FALSE   FALSE   FALSE   TRUEUID5    1/5/2012    5   FALSE   FALSE   FALSE   TRUEUID1    1/6/2012    6   FALSE   TRUE    FALSE   FALSEUID2    2/1/2012    7   TRUE    FALSE   FALSE   FALSEUID3    2/2/2012    8   FALSE   FALSE   TRUE    FALSEUID4    2/3/2012    9   FALSE   FALSE   TRUE    FALSEUID5    2/4/2012    10  FALSE   TRUE    FALSE   FALSE

The total observations are more than 10M rows, with about 10 different vacations and 4 different length.

For the second type of dummies, I think

f <- function(x){ 
ifelse(x %in% as.Date(c("2012-01-02","2012-02-02")) - 1, return(TRUE), return(FALSE))
}

DT[,Before:= f(date)] 

但似乎不正确。

对于第一个，我没有想出一个好的解决方案。

这个问题是关于data.table中的更新，任何关于如何处理它以及如何编写更新函数的想法都非常欢迎!

Answer 1

这是一个开始:

library(data.table)

DT <- data.table(UID = paste0("UID",rep(1:5,each=2)), 
                 date = as.IDate(c("2012-01-01","2012-01-02","2012-01-03","2012-01-04","2012-01-05","2012-01-06","2012-02-01","2012-02-02","2012-02-03","2012-02-04")),
                 value = c(1:10)) 
setkey(DT, date)


vacStart <- data.table(start = as.IDate(c("2012-01-02", "2012-02-02")), key="start")
vacEnd <- data.table(date = as.IDate(c("2012-01-05", "2012-02-03")), key="date")

#identify vacations:
vacStart[, Start:=.I]
DT <- vacStart[DT, roll=TRUE]
vacEnd[, End:=.I]
DT <- vacEnd[DT, roll=-Inf]
DT[,vac:=(End==Start)*Start]
DT[is.na(vac), vac:=0L]

#2-day vacations:
DT[,length_2 := (.N==2) & vac!=0, by=vac]
#days before vacation
DT[,before := c(diff(vac)>0, FALSE) & vac==0]
#           date End Start  UID value vac length_2 before
#  1: 2012-01-01   1    NA UID1     1   0    FALSE   TRUE
#  2: 2012-01-02   1     1 UID1     2   1    FALSE  FALSE
#  3: 2012-01-03   1     1 UID2     3   1    FALSE  FALSE
#  4: 2012-01-04   1     1 UID2     4   1    FALSE  FALSE
#  5: 2012-01-05   1     1 UID3     5   1    FALSE  FALSE
#  6: 2012-01-06   2     1 UID3     6   0    FALSE  FALSE
#  7: 2012-02-01   2     1 UID4     7   0    FALSE   TRUE
#  8: 2012-02-02   2     2 UID4     8   2     TRUE  FALSE
#  9: 2012-02-03   2     2 UID5     9   2     TRUE  FALSE
# 10: 2012-02-04  NA     2 UID5    10   0    FALSE  FALSE