根据R中另一列的日期范围查找该列的平均值

我有两个数据帧，如下所示：

> head(y,n=4)
Source: local data frame [6 x 3]

  Start Date   End Date   Length

1 2006-06-08 2006-06-10        3
2 2006-06-12 2006-06-14        3
3 2006-06-18 2006-06-21        4
4 2006-06-24 2006-06-25        2

及

我正在寻找一种在数据框y中添加新列的方法，该列将显示数据框x的平均组大小（四舍五入到最接近的整数），具体取决于y中提供的给定开始日期和结束日期

例如，在y的第一行中，我有6/8/06到6/10/06。这是一个3天的长度，因此我希望新列的数字为2，因为对应的Group.Size值在数据框x中分别为3、1和3（平均值=2.33，四舍五入到最接近的整数为2）

如果我的DATAFRAM X中有NA，我想把它看作是0。

---

这项任务涉及多个步骤，可能有一种简单的方法。。。我对R比较陌生，很难把它分解。请告诉我是否应该澄清我的示例。

这是一个适用于数据框

y

行的解决方案：

library(dplyr)
get_mean_size <- function(start, end, length) {
   s <- sum(filter(x, Date >= start, Date <= end)$Group.Size, na.rm = TRUE)
   round(s/length)
}
y$Mean.Size = Map(get_mean_size, y$Start_Date, y$End_Date, y$Length)
y
##   Start_Date   End_Date Length Mean.Size
## 1 2006-06-08 2006-06-10      3         2
## 2 2006-06-12 2006-06-14      3         5
## 3 2006-06-18 2006-06-21      4         6
## 4 2006-06-24 2006-06-25      2         0

如果它们没有class

Date

，可以使用

x$Date <- as.Date(x$Date)

---

x$Date有很多方法，但这里有一种。我们可以首先使用
lappy
创建日期位置列表（序号：确保日期按时间顺序排列）。然后我们将函数
round（mean（Group.Size））
映射到每个值：

lst <- lapply(y[1:2], function(.x) match(.x, x[,"Date"]))
y$avg <- mapply(function(i,j) round(mean(x$Group.Size[i:j], na.rm=TRUE)), lst[[1]],lst[[2]])
y
#    StartDate    EndDate Length avg
# 1 2006-06-08 2006-06-10      3   2
# 2 2006-06-12 2006-06-14      3   8
# 3 2006-06-18 2006-06-21      4   6
# 4 2006-06-24 2006-06-25      2   0

lst假设
x$Date
、
y$StartDate
和
y$EndDate
属于
Date
（或
字符
）类，下面的
应用
方法应该起作用：

 y$AvGroupSize<- apply(y, 1, function(z) {
                 round(mean(x$Group.Size[which(x$Date >= z[1] & x$Date <=z[2])], na.rm=T),0)
    }
)

y$AvGroupSize=z[1]&x$Date
#用0替换x中缺少的值
x[is.na（x）]这里有一个不同的
dplyr
解决方案

library(dplyr)

na2zero <- function(x) ifelse(is.na(x),0,x) # Convert NA to zero
ydf %>%
    group_by(Start_Date, End_Date) %>%
    mutate(avg = round(mean(na2zero(xdf$Group.Size[ between(xdf$Date, Start_Date, End_Date) ])), 0)) %>%
    ungroup

##   Start_Date   End_Date Length   avg
##       (time)     (time)  (int) (dbl)
## 1 2006-06-08 2006-06-10      3     2
## 2 2006-06-12 2006-06-14      3     5
## 3 2006-06-18 2006-06-21      4     6
## 4 2006-06-24 2006-06-25      2     0

库（dplyr）
na2zero%
分组依据（开始日期、结束日期）%>%
变异（平均值=四舍五入（平均值（na2zero（xdf$组大小[介于（xdf$日期、开始日期、结束日期）]），0））%>%
解组
##开始日期结束日期长度平均值
##（时间）（时间）（整数）（dbl）
## 1 2006-06-08 2006-06-10      3     2
## 2 2006-06-12 2006-06-14      3     5
## 3 2006-06-18 2006-06-21      4     6
## 4 2006-06-24 2006-06-25      2     0
完全正确。我注意到并做了必要的修改。谢谢。这个很好用。你介意走过你的台阶吗？我试着介绍一下你对函数（z）所做的事情@Submartingaleth不会将
NA
视为零。@Stibu是的，你是对的。它忽略NAs，而不是将其替换为0。将NAs视为0很简单，方法是在顶部添加一行：
x$Group.SizeMy输出正确。我的解决方案与您提出的解决方案之间的区别在于
mean
with
na.rm=TRUE
将在计算平均值时忽略
na
值，而OP要求将
na
视为零。另外，我决定使用
length
，因为可能会缺少日期。
 y$AvGroupSize<- apply(y, 1, function(z) {
                 round(mean(x$Group.Size[which(x$Date >= z[1] & x$Date <=z[2])], na.rm=T),0)
    }
)

#Replace missing values in x with 0
x[is.na(x)] <- 0

#Create new 'Group' variable and loop through x to create groups 
x$Group <-1
j <- 1
for(i in 1:nrow(x)){
  if(x[i,"Date"]==y[j,"StartDate"]){
    x[i,"Group"] <- j+1
    if(j<nrow(y)){
      j <- j+1
    } else{
      j <- j 
    }
  }else if(i>1){
    x[i,"Group"] <- x[i-1,"Group"]
  }else {
    x[i,"Group"] <- 1
  }
}

#Use tapply function to get the rounded mean of each Group
tapply(x$Group.Size, x$Group, function(z) round(mean(z)))

library(dplyr)

na2zero <- function(x) ifelse(is.na(x),0,x) # Convert NA to zero
ydf %>%
    group_by(Start_Date, End_Date) %>%
    mutate(avg = round(mean(na2zero(xdf$Group.Size[ between(xdf$Date, Start_Date, End_Date) ])), 0)) %>%
    ungroup

##   Start_Date   End_Date Length   avg
##       (time)     (time)  (int) (dbl)
## 1 2006-06-08 2006-06-10      3     2
## 2 2006-06-12 2006-06-14      3     5
## 3 2006-06-18 2006-06-21      4     6
## 4 2006-06-24 2006-06-25      2     0