data.table中的有效日期差异
问题描述:
我有一个人员列表,他们的出生和死亡日期。data.table中的有效日期差异
我想创建一个数据集,每个人每年都有一个记录。
我的代码如下:
library(lubridate)
library(data.table)
deadPerson<-c("Albert Einstein","Erwin Schrodinger","Paul Dirac")
dateOfBirth<-c("1879-03-14","1887-08-12","1902-08-08")
dateOfDeath<-c("1955-04-18","1961-01-04","1984-10-20")
df<-data.frame(cbind(deadPerson,dateOfBirth,dateOfDeath))
df$dateOfBirth<-as.POSIXct(df$dateOfBirth)
df$dateOfDeath<-as.POSIXct(df$dateOfDeath)
for(i in 1:dim(df)[1])
{
birth_day<-df$dateOfBirth[i]
death_day<-df$dateOfDeath[i]
numDays<-as.numeric(death_day-birth_day)
numYears<-floor(numDays/365) # ignore leap years!
dates <- data.table(index=as.POSIXct(birth_day) + (0:numYears)*years(1))
dates$Person<-df$deadPerson[i]
if(i==1){output<-dates}
else{output<-rbind(output,dates)}
}
output$index<-year(output$index)
colnames(output)<-c("Year.Alive","Person")
我做的逻辑是遍历每个人,并创造每年他们还活着的记录。当然这是低效的,但是我无法找到一种有效的方法(例如使用apply())。
有没有更好的方法在数据表中做到这一点?
PS - 我知道我应该在最初的数据集中使用多年,只需添加1年,但这仅仅是为了一个可重复的例子。在我的实际问题中,我正在搞乱从数据创建多个时间序列的格式与上面的原始数据集,这就是为什么我想使用秒,分钟等,并保持日期时间格式。
答
您可以使用组总结语法data.table
,并计算在j
位置多年载体,沿着该组变量会自动播放:
library(data.table)
df[, .(Year.Alive = seq(year(dateOfBirth), year(dateOfDeath))), by = (Person = deadPerson)]
# Person Year.Alive
# 1: Albert Einstein 1879
# 2: Albert Einstein 1880
# 3: Albert Einstein 1881
# 4: Albert Einstein 1882
# 5: Albert Einstein 1883
# ---
# 231: Paul Dirac 1980
# 232: Paul Dirac 1981
# 233: Paul Dirac 1982
# 234: Paul Dirac 1983
# 235: Paul Dirac 1984
答
这里是一个tidyr/dplyr
版本:
library(dplyr)
library(tidyr)
df %>%
gather(date, event, dateOfBirth, dateOfDeath) %>%
mutate(year_event = year(event)) %>%
select(deadPerson, year_event) %>%
group_by(deadPerson) %>%
complete(year_event = full_seq(year_event, period = 1L))
@DavidArenburg想要导入'year'函数。但我想你是对的,它也带有'data.table'。 – Psidom