找出差距在時間數據

Question

編輯：

我發現下面的問題的方法，但是，它適用於小數據集，但仍對大數據集創建falses輸出。有人知道爲什麼嗎？我找不到這個錯誤。下面的代碼：

df$continuous <- 
    unlist(lapply(split(df, df$ID), 
       function(x) { 
        sapply(1:nrow(x), 
         function(y) { 
          any(x$start[y] - x$end[-(y:NROW(x$end))] <= 1) 
         }) 
       })) 

原來的問題： 我工作的一個函數在一系列的開始/結束日期的標識差距。如果開始日期晚於先前結束日期之後的1天開始，則輸出應該爲FALSE。

DATA：

df <- data.frame('ID' = c('1','1','1','1','1','1'), 'start' = as.Date(c('2010-01-01', '2010-01-03', '2010-01-05', '2010-01-09','2010-02-01', '2010-02-10')), 
       'end' = as.Date(c('2010-01-03', '2010-01-22', '2010-01-07', '2010-01-12', '2010-02-10', '2010-02-12'))) 

這是我嘗試用x = start和y = end來解決這個問題：

my_fun <- function(x,y){ 
    any(x[i] - y[1:NROW(i)-1] <= 1) 
} 

它運作良好，如果我指定i，但我不設法包裝成這樣循環。最終，這個函數應該以dplyr的方式應用於大數據集中的組。

這是它應該是什麼樣子：

ID  start  end continuous 
1 1 2010-01-01 2010-01-03 FALSE #or TRUE 
2 1 2010-01-03 2010-01-22 TRUE 
3 1 2010-01-05 2010-01-07 TRUE 
4 1 2010-01-09 2010-01-12 TRUE 
5 1 2010-02-01 2010-02-10 FALSE 
6 1 2010-02-10 2010-02-12 TRUE #according to my function or FALSE compared to start[1] would be even better 

我倒是很欣賞一些幫助與此有關。

Answer 1

編輯：我只是重新讀你的問題......而你想比較開始與所有結束日期。然後嘗試使用功能expand.grid

df <- data.frame('ID' = c('1','1','1','1','1','1'), 'start' = as.Date(c('2010-01-01', '2010-01-03', '2010-01-05', '2010-01-09','2010-02-01', '2010-02-10')), 
       'end' = as.Date(c('2010-01-03', '2010-01-22', '2010-01-07', '2010-01-12', '2010-02-10', '2010-02-12'))) 

df_expand <- as.data.table(expand.grid(df$start,df$end)) 

這就造成我們定義什麼是可以接受的開始/結束

names(df_expand) = c("start","end") 
df_expand[,ID:= 1] 
df_expand[,diff_days := difftime(end,start,unit = "days")] 
df_expand[,acceptable := any(diff_days<1), by = start] 

之間。這裏所有的組合..

df = merge(df,df_expand,by = c("start","end","ID"),all.x=TRUE) 

我想。 。我們可能想保留原始數據，所以我們將它合併回來並縮小我們擁有的信息。

等等..你能提供一個你期待什麼和需要什麼的適當例子嗎？我剛剛讀了你的其他評論，現在它讓我困惑......

Answer 2

你可以使用dplyr和lubridate來做到這一點。 dplyr非常有用window functions像lag()這對於這種類型的分析很方便。

library(tidyverse) 
library(lubridate) 

df %>% 
    mutate(start - lag(end, 1) == 0) 

# ID  start  end start - lag(end, 1) == 0 
# 1 1 2010-01-01 2010-01-03      NA 
# 2 1 2010-01-03 2010-01-22      TRUE 
# 3 1 2010-01-05 2010-01-07     FALSE 
# 4 1 2010-01-09 2010-01-12     FALSE 
# 5 1 2010-02-01 2010-02-10     FALSE 
# 6 1 2010-02-10 2010-02-12      TRUE 

你想如何處理你的第一行數據？由於沒有以前的值，因此顯示NA。這通常是你應該如何處理這種情況，但如果你希望它有不同的價值，我可以編輯我的答案。