dplyr рушатся периоды времени
У меня есть data.frame ниже, и я хочу "разделить" периоды времени так, чтобы для каждого company_id он "сворачивал" периоды времени в те, которые разделены на тридцать дней.
company_id startDate endDate
1 209952 2012-09-17 2012-10-17
2 209952 2012-10-17 2012-11-17
3 209952 2012-11-17 2012-12-17
4 209952 2012-12-17 2013-01-17
5 209952 2013-01-17 2013-02-17
6 209952 2013-02-17 2013-03-17
7 209952 2013-03-17 2013-04-17
8 209952 2013-04-17 2013-05-17
9 209952 2013-05-17 2013-06-17
10 209952 2013-06-17 2013-07-17
11 209952 2013-07-17 2013-08-17
12 209952 2013-08-17 2013-09-17
13 209952 2013-09-17 2013-10-17
14 209952 2013-10-17 2013-11-17
15 209952 2013-11-17 2013-12-17
16 209952 2013-12-17 2014-01-17
17 209952 2014-01-17 2014-02-17
18 209952 2014-02-12 2014-03-12
19 209952 2014-03-12 2014-04-12
20 209952 2014-04-12 2014-05-12
21 209952 2014-05-12 2014-06-12
22 209952 2014-06-12 2014-07-12
23 209952 2014-07-12 2014-08-12
24 209952 2014-08-12 2014-09-12
25 209952 2014-09-12 2014-10-12
26 209952 2014-10-12 2014-11-12
27 209952 2014-11-12 2014-12-12
28 209952 2014-12-12 2015-01-12
29 209952 2015-01-12 2015-02-12
30 209952 2015-02-12 2015-03-12
31 209952 2015-03-12 2015-04-12
32 209952 2015-04-13 2015-05-13
33 209952 2015-05-07 2016-05-07
34 209952 2015-05-07 2015-06-07
35 209952 2015-06-07 2015-07-07
36 209952 2015-07-07 2015-08-07
37 209952 2015-08-07 2015-09-07
38 209952 2016-05-07 2017-10-23
39 2802315 2012-10-19 2012-11-19
40 2802315 2012-11-19 2012-12-19
41 2802315 2012-12-19 2013-01-19
42 2802315 2013-01-19 2013-02-19
43 2802315 2013-02-19 2013-03-19
44 2802315 2013-03-19 2013-04-19
45 2802315 2013-04-19 2013-05-19
46 2802315 2013-05-19 2013-06-19
47 2802315 2013-06-19 2013-07-19
48 2802315 2013-07-19 2013-08-19
49 2802315 2013-08-19 2013-09-19
50 2802315 2013-09-19 2013-10-19
51 2802315 2013-10-19 2013-11-19
52 2802315 2013-11-18 2013-12-18
53 2802315 2013-12-18 2014-01-18
54 2802315 2014-01-18 2014-02-18
55 2802315 2014-02-18 2014-03-18
56 2802315 2014-03-18 2014-04-18
57 2802315 2014-04-18 2014-05-18
58 2802315 2014-09-29 2014-10-29
59 2802315 2014-10-29 2014-11-29
60 2802315 2015-04-22 2015-05-22
61 2802315 2015-05-21 2015-06-21
62 2802315 2015-06-23 2015-09-23
63 2802315 2015-07-23 2015-08-23
64 2802315 2015-11-23 2016-05-23
Я попробовал ниже:
test <- blocks %>%
filter(company_id %in% c(209952, 2802315)) %>%
arrange(company_id, startDate) %>%
group_by(company_id) %>%
mutate(
week = cumsum(startDate - lag(endDate, default = 0) > 30)
) %>%
group_by(company_id, week) %>%
summarize(
startDate = min(startDate),
endDate = max(endDate)
)
Проблема в том, что интервалы в строке (1) и (2) должны быть объединены в один, поэтому startDate = 2012-09-17 и endDate = 2017-10-23, потому что между ними меньше тридцати дней.
company_id week startDate endDate
<dbl> <int> <date> <date>
1 209952 1 2012-09-17 2016-05-07
2 209952 2 2016-05-07 2017-10-23
3 2802315 1 2012-10-19 2014-05-18
4 2802315 2 2014-09-29 2014-11-29
5 2802315 3 2015-04-22 2015-09-23
6 2802315 4 2015-11-23 2016-05-23
Вывод, который я ищу, это
1 209952 1 2012-09-17 2016-10-23
2 2802315 1 2012-10-19 2014-05-18
3 2802315 2 2014-09-29 2014-11-29
4 2802315 3 2015-04-22 2015-09-23
5 2802315 4 2015-11-23 2016-05-23
1 ответ
Решение
Как насчет вызова вашего mutate + summarize дважды:
chunk = function(DF){
DF %>%
mutate(
week = cumsum(startDate - lag(endDate, default = 0) > 30)
) %>%
group_by(company_id, week) %>%
summarize(
startDate = min(startDate),
endDate = max(endDate)
)
}
blocks %>%
arrange(company_id, startDate) %>%
group_by(company_id) %>%
chunk() %>%
chunk()
Результат:
# A tibble: 5 x 4
# Groups: company_id [?]
company_id week startDate endDate
<int> <int> <date> <date>
1 209952 1 2012-09-17 2017-10-23
2 2802315 1 2012-10-19 2014-05-18
3 2802315 2 2014-09-29 2014-11-29
4 2802315 3 2015-04-22 2015-09-23
5 2802315 4 2015-11-23 2016-05-23
Данные:
blocks = structure(list(company_id = c(209952L, 209952L, 209952L, 209952L,
209952L, 209952L, 209952L, 209952L, 209952L, 209952L, 209952L,
209952L, 209952L, 209952L, 209952L, 209952L, 209952L, 209952L,
209952L, 209952L, 209952L, 209952L, 209952L, 209952L, 209952L,
209952L, 209952L, 209952L, 209952L, 209952L, 209952L, 209952L,
209952L, 209952L, 209952L, 209952L, 209952L, 209952L, 2802315L,
2802315L, 2802315L, 2802315L, 2802315L, 2802315L, 2802315L, 2802315L,
2802315L, 2802315L, 2802315L, 2802315L, 2802315L, 2802315L, 2802315L,
2802315L, 2802315L, 2802315L, 2802315L, 2802315L, 2802315L, 2802315L,
2802315L, 2802315L, 2802315L, 2802315L), startDate = structure(c(15600,
15630, 15661, 15691, 15722, 15753, 15781, 15812, 15842, 15873,
15903, 15934, 15965, 15995, 16026, 16056, 16087, 16113, 16141,
16172, 16202, 16233, 16263, 16294, 16325, 16355, 16386, 16416,
16447, 16478, 16506, 16538, 16562, 16562, 16593, 16623, 16654,
16928, 15632, 15663, 15693, 15724, 15755, 15783, 15814, 15844,
15875, 15905, 15936, 15967, 15997, 16027, 16057, 16088, 16119,
16147, 16178, 16342, 16372, 16547, 16576, 16609, 16639, 16762
), class = "Date"), endDate = structure(c(15630, 15661, 15691,
15722, 15753, 15781, 15812, 15842, 15873, 15903, 15934, 15965,
15995, 16026, 16056, 16087, 16118, 16141, 16172, 16202, 16233,
16263, 16294, 16325, 16355, 16386, 16416, 16447, 16478, 16506,
16537, 16568, 16928, 16593, 16623, 16654, 16685, 17462, 15663,
15693, 15724, 15755, 15783, 15814, 15844, 15875, 15905, 15936,
15967, 15997, 16028, 16057, 16088, 16119, 16147, 16178, 16208,
16372, 16403, 16577, 16607, 16701, 16670, 16944), class = "Date")), class = "data.frame", .Names = c("company_id",
"startDate", "endDate"), row.names = c(NA, -64L))
library(lubridate)
blocks = blocks %>%
mutate_if(is.character, ymd)