R：添加重复行，其中日期更改一天，返回到设置的日期
我有一个大数据框（df），其中“DateTime”定义了每只动物（1-2）的事件发生时间（event=1），它有许多与之相关的其他变量（例如变量）。我想为Cox比例风险分析设置这些数据，并需要适当延长数据集 对于每种动物，我想为所有鸟类的一个设定日期（本例中为9/27）每天创建一个新的重复行。所有其他变量将保持与输入相同，但“Event”除外，它仅在新行中为零 最近一直在学习tidyverse，但老实说，不知道从哪里开始 输入：R：添加重复行，其中日期更改一天，返回到设置的日期,r,datetime,dplyr,duplicates,R,Datetime,Dplyr,Duplicates,我有一个大数据框（df），其中“DateTime”定义了每只动物（1-2）的事件发生时间（event=1），它有许多与之相关的其他变量（例如变量）。我想为Cox比例风险分析设置这些数据，并需要适当延长数据集 对于每种动物，我想为所有鸟类的一个设定日期（本例中为9/27）每天创建一个新的重复行。所有其他变量将保持与输入相同，但“Event”除外，它仅在新行中为零 最近一直在学习tidyverse，但老实说，不知道从哪里开始 输入： df <- data.frame(DateTime = Da
df <- data.frame(DateTime = DateTime, Event = 1, Animal = 1:2, Variable = c(2.4, 1.5))
df
DateTime Event Animal Variable
1 2019-10-01 20:21:12 1 1 2.4
2 2019-09-29 20:42:20 1 2 1.5
df在base R中执行此操作的一种方法是为DateTime
列中的每个日期创建日期序列。此序列将充当新数据帧的DateTime列（原始数据帧的每行一个新数据帧）。从那里构建其他字段将非常简单
我们可以在一个列表中创建这些数据帧，然后rbind
将它们全部组合在一起以获得结果。例如：
DF212019-09-2720:21:12012.4
#> 2 2019-09-28 20:21:12 0 1 2.4
#> 3 2019-09-29 20:21:12 0 1 2.4
#> 4 2019-09-30 20:21:12 0 1 2.4
#> 5 2019-10-01 20:21:12 1 1 2.4
#> 6 2019-09-27 20:42:20 0 2 1.5
#> 7 2019-09-28 20:42:20 0 2 1.5
#> 8 2019-09-29 20:42:20 1 2 1.5
在base R中执行此操作的一种方法是在DateTime
列中为每个日期创建日期序列。此序列将充当新数据帧的DateTime列（原始数据帧的每行一个新数据帧）。从那里构建其他字段将非常简单
我们可以在一个列表中创建这些数据帧，然后rbind
将它们全部组合在一起以获得结果。例如：
DF212019-09-2720:21:12012.4
#> 2 2019-09-28 20:21:12 0 1 2.4
#> 3 2019-09-29 20:21:12 0 1 2.4
#> 4 2019-09-30 20:21:12 0 1 2.4
#> 5 2019-10-01 20:21:12 1 1 2.4
#> 6 2019-09-27 20:42:20 0 2 1.5
#> 7 2019-09-28 20:42:20 0 2 1.5
#> 8 2019-09-29 20:42:20 1 2 1.5
Atidyverse
选项：
library(tidyverse)
initDate <- as.Date('2019-09-27')
df %>%
mutate(daysSince = as.integer(as.Date(DateTime) - initDate) + 1L) %>%
uncount(daysSince) %>%
group_by(across(-Event)) %>%
mutate(DateTime = paste((as.Date(DateTime) - rev(1:n())) + 1L, format(DateTime, '%H:%M:%S')),
Event = replace(Event, row_number() != n(), 0L)
)
库（tidyverse）
起始日期%
mutate（daysSince=as.integer（as.Date（DateTime）-initDate）+1L）%>%
未计数（日数）%>%
分组依据（跨（-Event））%>%
mutate（DateTime=paste（（as.Date（DateTime）-rev（1:n（））+1L，格式（DateTime，“%H:%M:%S”），
事件=替换（事件，行号（）！=n（），0L）
)
输出：
# A tibble: 8 x 4
# Groups: DateTime, Animal, Variable [8]
DateTime Event Animal Variable
<chr> <dbl> <int> <dbl>
1 2019-09-27 20:21:12 0 1 2.4
2 2019-09-28 20:21:12 0 1 2.4
3 2019-09-29 20:21:12 0 1 2.4
4 2019-09-30 20:21:12 0 1 2.4
5 2019-10-01 20:21:12 1 1 2.4
6 2019-09-27 20:42:20 0 2 1.5
7 2019-09-28 20:42:20 0 2 1.5
8 2019-09-29 20:42:20 1 2 1.5
#一个tible:8 x 4
#组：日期时间、动物、变量[8]
日期时间事件动物变量
1 2019-09-27 20:21:12 0 1 2.4
2 2019-09-28 20:21:12 0 1 2.4
3 2019-09-29 20:21:12 0 1 2.4
4 2019-09-30 20:21:12 0 1 2.4
5 2019-10-01 20:21:12 1 1 2.4
6 2019-09-27 20:42:20 0 2 1.5
7 2019-09-28 20:42:20 0 2 1.5
8 2019-09-29 20:42:20 1 2 1.5
Atidyverse
选项：
library(tidyverse)
initDate <- as.Date('2019-09-27')
df %>%
mutate(daysSince = as.integer(as.Date(DateTime) - initDate) + 1L) %>%
uncount(daysSince) %>%
group_by(across(-Event)) %>%
mutate(DateTime = paste((as.Date(DateTime) - rev(1:n())) + 1L, format(DateTime, '%H:%M:%S')),
Event = replace(Event, row_number() != n(), 0L)
)
库（tidyverse）
起始日期%
mutate（daysSince=as.integer（as.Date（DateTime）-initDate）+1L）%>%
未计数（日数）%>%
分组依据（跨（-Event））%>%
mutate（DateTime=paste（（as.Date（DateTime）-rev（1:n（））+1L，格式（DateTime，“%H:%M:%S”），
事件=替换（事件，行号（）！=n（），0L）
)
输出：
# A tibble: 8 x 4
# Groups: DateTime, Animal, Variable [8]
DateTime Event Animal Variable
<chr> <dbl> <int> <dbl>
1 2019-09-27 20:21:12 0 1 2.4
2 2019-09-28 20:21:12 0 1 2.4
3 2019-09-29 20:21:12 0 1 2.4
4 2019-09-30 20:21:12 0 1 2.4
5 2019-10-01 20:21:12 1 1 2.4
6 2019-09-27 20:42:20 0 2 1.5
7 2019-09-28 20:42:20 0 2 1.5
8 2019-09-29 20:42:20 1 2 1.5
#一个tible:8 x 4
#组：日期时间、动物、变量[8]
日期时间事件动物变量
1 2019-09-27 20:21:12 0 1 2.4
2 2019-09-28 20:21:12 0 1 2.4
3 2019-09-29 20:21:12 0 1 2.4
4 2019-09-30 20:21:12 0 1 2.4
5 2019-10-01 20:21:12 1 1 2.4
6 2019-09-27 20:42:20 0 2 1.5
7 2019-09-28 20:42:20 0 2 1.5
8 2019-09-29 20:42:20 1 2 1.5
太好了。谢谢，我今天晚些时候会处理这个问题，并确保我理解它，但它确实有效。太好了。谢谢，我今天晚些时候会处理这个问题，并确保我理解它，但它确实有效。谢谢-必须更新软件包，但现在也有效。谢谢-必须更新软件包，但现在也有效。