R—按ID对数据帧进行分组，计算每个ID的开始日期和结束日期范围内的记录数

请注意，我已经使用dplyr编写了一些代码来完成我需要的工作，但它感觉非常笨拙，我想知道是否有更优雅的解决方案

我有一个数据帧，简化后，基本上是这样的：

df = data.frame(
  id = c(1,1,1,2,2,2),
  date = as.Date(c('2018/01/01', '2018/01/02', 
      '2018/01/03', '2018/01/01', '2018/01/02', '2018/06/01'))
)

我想得到一个表，显示每个id在第一条记录的30天内的记录数和在最后一条记录的30天内的记录数。对于此简单版本，输出应如下所示：

id  start.records   end.records
1   3               3
2   2               1

我可以通过以下代码获得所需的输出：

df %>%
  group_by(id) %>%
  summarize(min.date = min(date)) %>%
  mutate(min.date.plus.30 = min.date + 30) %>%
  fuzzy_left_join(
    df,
    by = list(x=c("id", "min.date.plus.30"), y=c("id", "date")),
    match_fun = list(`==`, `>`)
  ) %>%
  group_by(id.x, min.date) %>%
  summarize(start.records = n()) %>%
  left_join(
    df %>%
      group_by(id) %>%
      summarize(max.date = max(date)) %>%
      mutate(max.date.minus.30 = max.date - 30) %>%
      fuzzy_left_join(
        df,
        by = list(x=c("id", "max.date.minus.30"), y=c("id", "date")),
        match_fun = list(`==`, `<`)
      ) %>%
      group_by(id.x, max.date) %>%
      summarize(end.records = n()),
    by = "id.x"
  )

df%>%
分组依据（id）%>%
汇总（最小日期=最小日期））%>%
突变（min.date.plus.30=min.date+30）%>%
模糊左联合(
df，
by=list（x=c（“id”，“min.date.plus.30”），y=c（“id”，“date”），
匹配乐趣=列表（`=`，`>`）
) %>%
分组依据（id.x，最小日期）%>%
汇总（start.records=n（））%>%
左联合(
df%>%
分组依据（id）%>%
汇总（最长日期=最长日期））%>%
变异（最大日期-30=最大日期-30）%>%
模糊左联合(
df，
by=list（x=c（“id”，“max.date.减0.30”），y=c（“id”，“date”），
匹配乐趣=列表（`=`，`%
分组依据（id.x，最长日期）%>%
汇总（end.records=n（）），
by=“id.x”
)

但这似乎是一个非常不雅观的解决方案

有更好的方法吗？我不想使用sqldf，因为它不容易处理日期计算，而且我的真实数据集有150000多行，即使是简单的sqldf测试查询也需要永远运行

提前感谢您的帮助！

也许我们可以使用

library(data.table)
library(lubridate)
setDT(df)[, .(start.records = sum(date <=  (first(date) + days(30))), 
       end.records = sum(date >= (last(date) - days(30)))), by = id]
#   id start.records end.records
#1:  1             3           3
#2:  2             2           1

---

嘿，这很巧妙，而且感觉更像我脑海中的SQL查询。我想现在是我阅读数据的时候了。表对于任何好奇的未来谷歌用户来说，这种逻辑在SQL Server或MySQL中不起作用。将最小值或最大值放在COUNT或SUM中会抛出一个错误。看起来这是sqldf后端的一种特殊能力比sqlite更容易处理日期。试试H2。

library(data.table)
library(lubridate)
setDT(df)[, .(start.records = sum(date <=  (first(date) + days(30))), 
       end.records = sum(date >= (last(date) - days(30)))), by = id]
#   id start.records end.records
#1:  1             3           3
#2:  2             2           1

library(dplyr)
df %>%
   group_by(id) %>%
   summarise(
       start.records = sum(date <=  (first(date) + days(30))), 
       end.records = sum(date >= (last(date) - days(30))))
# A tibble: 2 x 3
#     id start.records end.records
#  <dbl>         <int>       <int>
#1     1             3           3
#2     2             2           1