在观察前 n 天向数据框添加一列

Question

我需要一种更有效的方法来添加一个标记，以显示在特定日期前 3 天注册了观察。问题是这些日期不一定是连续的，即它们可能会丢失，但我需要标记来忽略丢失的日期。下面的例子更清楚地说明了问题和我需要什么：

library(tidyverse)
library(lubridate)

df <- data.frame("Date" = c(as_date(0:9)), ID = rep(paste0("ID", 1:3), each = 10))
df <- df[-c(5, 13, 24),]

date_before <- "1970-01-07"

df[, "three_days_before"] <- 0

for(i in df$ID){

  cond <- df[, "ID"] == i & 
    df[, "Date"] == date_before

  before_n <- (which(cond)-3):(which(cond)-1)

  df[before_n, "three_days_before"] <- 1

}

df

循环给了我我需要的东西（每次都标记三天，不管它们是否包含在 data.frame 中），但是在更大的数据集上计算需要相当长的时间。有人可以推荐更好的方法吗？

Answer 1

这是使用 difftime 和 cumsum 的 tidyverse 解决方案：

library(tidyverse);
df %>%
    group_by(ID) %>%
    mutate(
        is_before = difftime(as_date(date_before), Date) >= 0,
        three_days_before = as.numeric((max(cumsum(is_before)) - cumsum(is_before)) %in% 1:3)) %>%
    select(-is_before) %>%
    as.data.frame()
#         Date  ID three_days_before
#1  1970-01-01 ID1                 0
#2  1970-01-02 ID1                 0
#3  1970-01-03 ID1                 1
#4  1970-01-04 ID1                 1
#5  1970-01-06 ID1                 1
#6  1970-01-07 ID1                 0
#7  1970-01-08 ID1                 0
#8  1970-01-09 ID1                 0
#9  1970-01-10 ID1                 0
#10 1970-01-01 ID2                 0
#11 1970-01-02 ID2                 0
#12 1970-01-04 ID2                 1
#13 1970-01-05 ID2                 1
#14 1970-01-06 ID2                 1
#15 1970-01-07 ID2                 0
#16 1970-01-08 ID2                 0
#17 1970-01-09 ID2                 0
#18 1970-01-10 ID2                 0
#19 1970-01-01 ID3                 0
#20 1970-01-02 ID3                 0
#21 1970-01-03 ID3                 1
#22 1970-01-05 ID3                 1
#23 1970-01-06 ID3                 1
#24 1970-01-07 ID3                 0
#25 1970-01-08 ID3                 0
#26 1970-01-09 ID3                 0
#27 1970-01-10 ID3                 0

说明：我们按 ID 对条目进行分组； is_before 标记在 date_before 之前或之前的条目；然后我们用 (max(cumsum(is_before)) - cumsum(is_before)) %in% 1:3).

标记前三行 before date_before

示例数据

library(lubridate);
df <- data.frame("Date" = c(as_date(0:9)), ID = rep(paste0("ID", 1:3), each = 10))
df <- df[-c(5, 13, 24),]
date_before <- "1970-01-07"

Answer 2

1) 分别为每个 ID 应用滚动 window。 rolling window 函数检查 Date 接下来的 3 个元素是否等于 date_before。（指定 list(1:3) 的宽度表示使用偏移量 1、2 和 3，这意味着接下来的 3 个元素。）请注意，最后一个值没有接下来的 3 个元素，因此我们使用 fill 来填充它in. 我们添加 0 以从逻辑转换为数字。该解决方案仅涉及两行代码，并且没有显式循环。

library(zoo)

roll <- function(x) rollapply(x, list(1:3), FUN = any, partial = TRUE, fill = FALSE)
transform(df, before = ave(Date == date_before, ID, FUN = roll) + 0)

给予：

         Date  ID before
1  1970-01-01 ID1      0
2  1970-01-02 ID1      0
3  1970-01-03 ID1      1
4  1970-01-04 ID1      1
6  1970-01-06 ID1      1
7  1970-01-07 ID1      0
8  1970-01-08 ID1      0
9  1970-01-09 ID1      0
10 1970-01-10 ID1      0
11 1970-01-01 ID2      0
12 1970-01-02 ID2      0
14 1970-01-04 ID2      1
15 1970-01-05 ID2      1
16 1970-01-06 ID2      1
17 1970-01-07 ID2      0
18 1970-01-08 ID2      0
19 1970-01-09 ID2      0
20 1970-01-10 ID2      0
21 1970-01-01 ID3      0
22 1970-01-02 ID3      0
23 1970-01-03 ID3      1
25 1970-01-05 ID3      1
26 1970-01-06 ID3      1
27 1970-01-07 ID3      0
28 1970-01-08 ID3      0
29 1970-01-09 ID3      0
30 1970-01-10 ID3      0

2) 这也可以表示为管道，其中 roll 来自上方：

library(dplyr)
library(zoo)

df %>%
   group_by(ID) %>%
   mutate(before = roll(Date == date_before)) %>%
   ungroup

在观察前 n 天向数据框添加一列

Add a column to data frame n days before an observation

r

date

lubridate

示例数据