Fatal编程技术网
  • r/
  • 如何使用dplyr确定在指定天数内发生的事件数？

如何使用dplyr确定在指定天数内发生的事件数？

r

如何使用dplyr确定在指定天数内发生的事件数？,r,dplyr,tidyverse,R,Dplyr,Tidyverse,我有一个包含三列的TIBLE： runner-表示runner名称的字符串 比赛-表示比赛次数的数值 日期-比赛日期 我想添加第四列last45d，它表示与当前行的日期相比，过去45天内已运行的比赛数。我的reprex包括示例数据和我试图生成新行的尝试（我得到了所有NAs） 雷普雷克斯： 库（tidyverse） 图书馆（lubridate） 图书馆（reprex） df% 变异（last45=map_int（日期，~sum（介于数值（difftime（.x，date，units=“days”）

我有一个包含三列的TIBLE：

  • runner-表示runner名称的字符串
  • 比赛-表示比赛次数的数值
  • 日期-比赛日期
    • 我想添加第四列last45d，它表示与当前行的日期相比，过去45天内已运行的比赛数。我的reprex包括示例数据和我试图生成新行的尝试（我得到了所有NAs）

    雷普雷克斯：

    库（tidyverse）
图书馆（lubridate）
图书馆（reprex）
df%
变异（last45=map_int（日期，~sum（介于数值（difftime（.x，date，units=“days”）），1e-9，90））之间）%>%
解组（）
df
#>#tibble:18x7
#>跑步者比赛日期表面距离最后45
#>                        
#>1 D.沃特尔6 2017-06-25 T 1400 1 3
#>2 D.沃特尔5 2017-05-24 T 1400 2 3
#>D.沃特尔4 2017-04-20 D 1600 2 3
#>4 D.Wottle 3 2017-03-29 T 1400 1 2
#>5 D.沃特尔2 2017-03-08 D 1500 2 1
#>6 D.Wottle 1 2017-02-15 T 1400 3 0
#>7 C.Hottle 6 2017-06-25 T 1400 2 3
#>8 C.Hottle 5 2017-05-24 T 1400 3 3
#>9 C.Hottle 4 2017-04-10 D 1600 3 3
#>10 C.Hottle 3 2017-03-29 T 1400 2 2
#>11 C.Hottle 2 2017-03-04 D 1500 1 1
#>12 C.Hottle 1 2017-02-15 T 1400 1 0
#>13 JJ.瓦特6 2017-06-15 T 1400 3 3
#>14 JJ.瓦特5 2017-05-24 T 1400 1 4
#>15 JJ.瓦特4 2017-04-28 D 1600 1 3
#>16 JJ.瓦特3 2017-03-29 T 1400 3 2
#>17 JJ.瓦特2 2017-03-01 D 1500 3 1
#>18 JJ.瓦特1 2017-02-25 T 1400 2 0
    由（v0.3.0）于2020年5月13日创建

    这就是我希望最终结果的样子：

    df%>%
分组人（跑步者）%>%
变异(
last45=map_int（日期，~sum（介于数值（difftime（.x，date，units=“days”）），1e-9，45）之间）
#                ^^^^1                                       ^^^^2
) %>%
解组（）
##tibble:6 x 4
#赛跑日期最后45
#              
#D.沃特尔6 2017-06-25 1
#2 D.沃特尔5 2017-05-24 1
#3 D.沃特尔4 2017-04-20 2
#4 D.沃特尔3 2017-03-29 2
#5 D.沃特尔2 2017-03-08 1
#6 D.沃特尔1 2017-02-15 0
    注:

    • 对
      日期的两个引用不同：“1”（在波浪线函数之外）一次转换为
      .x
      一个，因此
      .x
      始终是一个日期；“2”（在tilde函数中）是日期的原始列，因此将具有与当前运行程序的行相同的值；及
    • 我使用
      1e-9
      ，因为如果我使用
      0
      ，则始终考虑当天；通过使用
      1e-9
      （或一些同样小的数字），我们得到了有效的
      （上、下）
      边界，而不是
      dplyr:：between
      默认值
      [上、下]
      （两侧闭合）

    谢谢。我需要做一些研究来了解变异函数的情况，但我很感激有机会学习。这是执行回归分析或在案例中使用的相同波浪函数吗？1e-9是什么？波浪函数主要是由tidyverse启用的速记。将
    ~
    视为
    函数（…）
    ，其中
    ..
    因其用户而异，例如
    函数（.x）
    用于
    映射
    ，以及
    函数（.x，.y）
    对于
    map2
    1e-9
    是一个非常小的数字的科学符号，正如我在注释中所讨论的，我使用它是因为
    dplyr:：between
    的比较两端都是“闭合的”（在数学符号的意义上）。（可以用
    0.00000001
    替换
    1e-9
    ）是的，查找
    &
    ，矢量化的“AND”内联运算符，记录在（该页面包括
    &
    ，
    &
    ，
    |
    ，
    |
    和其他一些）下。例如，
    ~sum（介于（…）&dist>=1400&pos==1L）
    。（我认为这可能行得通，但它会进行比严格必要的更多的比较。如果您使用“大”数据量（可能是100万行或更多）进行比较，那么可能会有一些方法使事情短路。从技术上讲，您不需要，因为它不需要对整个列进行逐行比较。这可能更简单（而且更有效）尽管如此，要做
    求和（map_lgl（date，~between（difftime（.x，date，units=“days”），1e-9，45））&dist>=1400&pos==1）
    ，其中dist和pos条件不在
    map
    的调用范围内。这更有意义吗？（事后看来，这对我来说是有意义的。）