如何对在另一个数据集的时间间隔内发生的每个 ID 的一个数据集中的总观察值求和

Question

我有两个数据集：DF1 - 列出了国家元首 (leader_id) 和国家元首 (country_code) 及其任职时间间隔 (office_interval) 的数据框. DF2 - 数据框，其中每个观察结果都是一个事件，其中包含国家 (country_code) 和发生日期 (event_date)。

可重现的数据：

library(lubridate)

#Leader DF
leader_id <- c("Adam","Bob","Charlie")
country_code <- c(1,1,2)
office_interval <- c(interval(ymd("1900-01-01"), ymd("1905-01-01")), 
                     interval(ymd("1910-01-01"), ymd("1915-01-01")),
                     interval(ymd("1920-01-01"), ymd("1925-01-01")))
DF1 <- data.frame(leader_id, country_code, office_interval)

#Event DF
country_code <- c(1,2,2,1)
event_date <- c(as.Date("1901-01-01"), 
                as.Date("1902-01-01"), 
                as.Date("1921-01-01"),
                as.Date("1901-02-02"))
DF2 <- data.frame(country_code, event_date)

我想创建一个新列 DF1$total_events，用于汇总 DF2 中每个领导者在相同 country_code 和 office_interval 内发生的观察总数在DF1中。它应该是这样的：

    leader_id    country_code1          office_interval         total_events
1      Adam             1       1900-01-01 UTC--1905-01-01 UTC       2
2       Bob             1       1910-01-01 UTC--1915-01-01 UTC       0
3     Charlie           2       1920-01-01 UTC--1925-01-01 UTC       1

我尝试修改中的一些解决方案，但是我无法对我的数据进行任何处理。

Answer 1

我们可以通过 "country_code" 在 DF1 和 DF2 上做一个 left_join 并计算 office_interval 内 event_date 的数量。

library(dplyr)
library(lubridate)

DF1 %>%
  left_join(DF2, by = "country_code") %>%
  group_by(leader_id, country_code, office_interval) %>%
  summarise(total_events = sum(event_date %within% office_interval))

#  leader_id country_code office_interval                total_events
#  <fct>            <dbl> <Interval>                            <int>
#1 Adam                 1 1900-01-01 UTC--1905-01-01 UTC            2
#2 Bob                  1 1900-01-01 UTC--1905-01-01 UTC            0
#3 Charlie              2 1910-01-01 UTC--1915-01-02 UTC            1

Answer 2

使用data.table

library(data.table)
library(lubridate)
setDT(DF1)[DF2, on = .(country_code)][, .(total_events = 
   sum(event_date %within% office_interval)), 
           .(leader_id, country_code, new = office_interval)]

如何对在另一个数据集的时间间隔内发生的每个 ID 的一个数据集中的总观察值求和

How to sum total observations in one dataset per ID that occur within time interval of another dataset

r

sum

date

rows

lubridate