在R中作为数据帧元素的列表上的操作

我有一个ID的时间序列，以及事件发生的日期列表。我想知道在我的时间序列中，在给定的日期之前，事件发生了多少次

以下是一个示例数据帧：

ID <- c(1,1,1,2,2,2,3,3,3)
date <- c(2000,2001,2002)
df <- data.frame(ID,date)

rand1 <- c(runif(5)*4+1999)
rand2 <- c(runif(6)*4+1999)
rand3 <- c(runif(100)*4+1999)

df$events <- list(rand1, rand1, rand1, rand2, rand2, rand2,rand3, rand3, rand3 )

---

IDdf$past2的问题是
df$events[[1]]
始终返回
df[1，]$df$events[[1]]

解决此问题的一个方法是将数据帧的每一行拆分为一个列表，并使用Lappy：

df$past2 = unlist(lapply(split(df,seq(nrow(df))),function(x) sum(x$events[[1]]< x$date)))

df$pass2=unlist（lapply（拆分（df，seq（nrow（df））），函数（x）和（x$events[[1]]

然而，由于存在一些数据操作，我不确定这对于400万行数据帧是否非常有效。您可能需要查看
data.table
或
dplyr
以找到更有效的解决方案
 您可以使用
tidyr:：unnest（）
为每个事件创建一行，然后
dplyr:：filter（）
为感兴趣日期之后发生的事件创建一行
 1）您的
df$past2
计算返回事件列表的第一个值小于日期列中的值的行数，然后将整个列设置为该值。括号中的表达式返回
TRUE
或
FALSE
，并解释为
调用
sum（）时
1
或
0
。例如
sum（真、真、假）
返回
2

2） 使用
tidyr:：unest（）
函数以及
dplyr
包中的函数，可以执行以下操作：

df2 <- df %>%
  unnest(events) %>%
  group_by(ID, date) %>%
  mutate(past = if_else(events < date, 1, 0)) %>%
  summarize(past2 = sum(past))

df2%
unnest（事件）%%>%
分组人（ID，日期）%>%
突变（过去=if_else（事件<日期，1,0））%>%
汇总（过去2=总和（过去））
这个答案和@xraynaud的答案都适用于我的示例问题，但根据这两种方法的microbenchmark结果，这个方法的速度快了100倍。编辑以添加相同代码的单位不相同。。。重新检查并在单位正确后更新。好的，在单位正确后：unlist的平均时间为732微秒，Unest的平均时间为4060微秒。这种方法的代码更容易阅读和理解，因此我认为在很多情况下，它可能是正确的选择。
ID  date        events   past past2
<dbl> <dbl>     <list>  <dbl> <int>
1   2000      <dbl [5]>   3     6
1   2001      <dbl [5]>   3     6
1   2002      <dbl [5]>   4     6
2   2000      <dbl [6]>   0     6
2   2001      <dbl [6]>   3     6
2   2002      <dbl [6]>   5     6
3   2000    <dbl [100]>  26     6
3   2001    <dbl [100]>  55     6
3   2002    <dbl [100]>  74     6

df$past2 = unlist(lapply(split(df,seq(nrow(df))),function(x) sum(x$events[[1]]< x$date)))

df2 <- df %>%
  unnest(events) %>%
  group_by(ID, date) %>%
  mutate(past = if_else(events < date, 1, 0)) %>%
  summarize(past2 = sum(past))