如何使用R中的条件计算日期之间的差异

我想知道用户有多少天不购买产品

我有以下建议：

ID|  DATA     |  QTD
1 |2019-01-31 |   NA
1 |2019-02-28 |   3
1 |2019-03-31 |   NA
1 |2019-04-30 |   5
2 |2019-01-31 |   3
2 |2019-02-28 |   4
2 |2019-03-31 |   NA
2 |2019-04-30 |   NA
3 |2019-01-31 |   NA
3 |2019-02-28 |   3
3 |2019-03-31 |   NA
3 |2019-04-30 |   NA

我试图使用dplyr:mutate，但没有得到任何结果

我的目标：

ID|  DATA     |  QTD  | Days
1 |2019-01-31 |   NA  |  NA
1 |2019-02-28 |   3   |  0
1 |2019-03-31 |   NA  |  31
1 |2019-04-30 |   5   |  0
2 |2019-01-31 |   3   |  0
2 |2019-02-28 |   4   |  0
2 |2019-03-31 |   NA  |  31
2 |2019-04-30 |   NA  |  61
3 |2019-01-31 |   NA  |  NA
3 |2019-02-28 |   NA  |  NA 
3 |2019-03-31 |   4   |  31
3 |2019-04-30 |   8   |  61

Tks库（dplyr） 图书馆（tidyr） df1%>% 突变（数据=as.Date（数据，“%Y-%m-%d”）， QTD=作为数字（作为字符（QTD））%>% 分组人（ID， ID2=cumsum（+（如果其他（is.na（QTD），0，QTD）！=0））%>% 突变（NoBuy=cumsum）（替换( as.numeric（如果其他（is.na（QTD），数据-滞后（数据），0）） , 0))) %>% 解组%>%选择（-ID2） #>警告：强制引入NAs #>#tibble:12 x 4 #>ID数据QTD NoBuy #> #>1 2019-01-31北美0 #> 2 1 2019-02-28 3 0 #>31 2019-03-31北美31 #> 4 1 2019-04-30 5 0 #> 5 2 2019-01-31 3 0 #> 6 2 2019-02-28 4 0 #>7 2 2019-03-31北美31 #>8 2 2019-04-30北美61 #>9 3 2019-01-31 NA 0 #> 10 3 2019-02-28 3 0 #>11 3 2019-03-31北美31 #>12 3 2019-04-30北美61 数据：

df1 1）使用可复制数据发布，例如，
dput（head（df））
，2）显示您使用的代码（而不仅仅是“我尝试了
dplyr:：mutate
）。