ifelse 与 dplyr 管道中的日期

Question

假设我有这些数据：

df <- structure(list(end = structure(c(2932896, 2932896, 17434, 2932896, 
2932896, 2932896), class = "Date"), start = structure(c(15397, 
16847, 14249, 13801, 12101, 13360), class = "Date")), class = "data.frame", row.names = c(NA, 
-6L))

> df
         end      start
1 9999-12-31 2012-02-27
2 9999-12-31 2016-02-16
3 2017-09-25 2009-01-05
4 9999-12-31 2007-10-15
5 9999-12-31 2003-02-18
6 9999-12-31 2006-07-31

我想创建第三个变量，dur，以某些语句为条件：

library(dplyr)
library(lubridate)

df %>%
  mutate(dur = if_else(end == "9999-12-31",
                       as.duration(today() - max("2012-01-01", start)),
                       as.duration(max(start, "2012-01-01") - end)
                       )
         )

产生错误：

Error in mutate_impl(.data, dots) : 
  Evaluation error: non-numeric argument to binary operator.

我知道有些人建议对日期使用 DT 而不是 ifelse，但我想留在 tidyverse 中。

更新 1

此处，dur 列表示预期输出：

| end           | start         | dur                       | code                                              |
|------------   |------------   |-------------------------- |-------------------------------------------------- |
| 9999-12-31    | 2012-02-27    | 207100800s (~6.56 years)  | as.duration(today()-ymd("2012-02-27"))            |
| 9999-12-31    | 2016-02-16    | 81820800s (~2.59 years)   | as.duration(today()-ymd("2016-02-16"))            |
| 2017-09-25    | 2009-01-05    | 180921600s (~5.73 years)  | as.duration(ymd("2017-09-25")-ymd("2012-01-01"))  |
| 9999-12-31    | 2007-10-15    | 212025600s (~6.72 years)  | as.duration(today()-ymd("2012-01-01"))            |
| 9999-12-31    | 2003-02-18    | 212025600s (~6.72 years)  | as.duration(today()-ymd("2012-01-01"))            |
| 9999-12-31    | 2006-07-31    | 212025600s (~6.72 years)  | as.duration(today()-ymd("2012-01-01"))            |

更新 2

我听从了一些建议。以下：

df %>%
  mutate(dur = if_else(end == ymd("9999-12-31"),
                       as.duration(today() - max(ymd("2012-01-01"), start)),
                       as.duration(max(start, ymd("2012-01-01")) - end)
                       )
         )

产生：

         end      start                     dur
1 9999-12-31 2012-02-27 81820800s (~2.59 years)
2 9999-12-31 2016-02-16 81820800s (~2.59 years)
3 2017-09-25 2009-01-05 50716800s (~1.61 years)
4 9999-12-31 2007-10-15 81820800s (~2.59 years)
5 9999-12-31 2003-02-18 81820800s (~2.59 years)
6 9999-12-31 2006-07-31 81820800s (~2.59 years)

这显然不是我想要的。

更新 3（已解决！）

感谢 @jdobres，我不得不使用 pmax 而不是 max。原因我不明白，但文档说：pmax 和 pmin 也将使用适当的方法对分类的 S3 或 S4 对象进行比较，is.na 和 rep（如果需要回收参数）。我怀疑 S4 对象与此有关。

df %>%
  mutate(dur = if_else(end == ymd("9999-12-31"),
                       as.duration(today() - pmax(ymd("2012-01-01"), start)),
                       as.duration(pmax(start, ymd("2012-01-01")) - end)
                       )
         )

产生：

         end      start                      dur
1 9999-12-31 2012-02-27 207100800s (~6.56 years)
2 9999-12-31 2016-02-16  81820800s (~2.59 years)
3 2017-09-25 2009-01-05 180921600s (~5.73 years)
4 9999-12-31 2007-10-15 212025600s (~6.72 years)
5 9999-12-31 2003-02-18 212025600s (~6.72 years)
6 9999-12-31 2006-07-31 212025600s (~6.72 years)

Answer 1

在对您输入的字符日期使用 lubridate::ymd() 之后，我尝试像您一样进行变异，但 max() 没有逐行比较, 但抓住了所有起始值的最大值 - 也许有人可以解释为什么？

我最终选择了申请。

library(dplyr)
library(lubridate)

df %>%
  mutate(dur =
           apply(tbl_df(df), 1, function(x){
             print(x)

             ifelse(
               x["end"] == ymd("9999-12-31"),

               interval(today(), max(ymd("2012-01-01"), ymd(x["start"]))) %>%
                 as.duration() %>%
                 as.numeric("years"),

               interval(max(x["start"], ymd("2012-01-01")), ymd(x["end"])) %>%
                 as.duration() %>%
                 as.numeric("years")
             )

           }))

#          end      start       dur
# 1 9999-12-31 2012-02-27 -6.562628
# 2 9999-12-31 2016-02-16 -2.592745
# 3 2017-09-25 2009-01-05  8.720055
# 4 9999-12-31 2007-10-15 -6.718686
# 5 9999-12-31 2003-02-18 -6.718686
# 6 9999-12-31 2006-07-31 -6.718686

即使开始值和结束值已经是日期格式，我仍需要在函数中再次使用 ymd()。我以前注意到过这一点，但我不确定为什么。

Answer 2

一旦您使用 ymd 或 as.Date 将日期字符串转换为日期数据，您就可以使用 pmax 获取两个持续时间中较大的一个。 pmax 为您提供具有相同元素数量的向量的并行最大值。例如：

 pmax(1:10, rep(5, 10))

 [1]  5  5  5  5  5  6  7  8  9 10

代码如下：

df %>%
  mutate(dur = if_else(end == ymd("9999-12-31"),
                       as.duration(today() - pmax(ymd("2012-01-01"), start)),
                       as.duration(pmax(start, ymd("2012-01-01")) - end)
                       )
                    )

ifelse 与 dplyr 管道中的日期

ifelse with dates in dplyr pipe

r

date

lubridate

dplyr

更新 1

更新 2

更新 3（已解决！）