如何基于R中的2个日期时间变量合并行

Posted 2021-05-04

我想合并数据集df中的行，这样对于每个记录ID，如果一行的End_Date等于下一行的Start_Date，那么我想将它们组合起来。

我想的当前逻辑是首先按ID分组然后从第1行循环到第n行（）。如果第1行的End_Date等于第2行的Start_Date，则将第1行的End_Date替换为第2行的End_Date并删除第2行。然后将第1行与新第2行进行比较，依此类推。

非常感谢有关如何为此编写代码的任何帮助或建议。谢谢！

df <- read.table(text = "
ID  Start_Date  End_Date
1   09/09/2016  11/09/2016
1   11/09/2016  17/09/2016
1   17/09/2016  23/11/2016
1   23/11/2016  28/11/2016
1   28/11/2016  14/12/2016
1   14/12/2016  22/12/2016
1   22/12/2016  23/12/2016
1   25/12/2016  03/01/2017
1   06/01/2017  07/02/2017
1   07/02/2017  22/02/2017
1   22/02/2017  27/02/2017
1   28/03/2017  30/05/2017
1   12/06/2017  03/07/2017
1   03/07/2017  04/07/2017
1   14/08/2017  14/08/2017
1   15/08/2017  23/08/2017
1   23/08/2017  24/08/2017
1   24/08/2017  28/08/2017
1   07/09/2017  07/09/2017
1   24/09/2017  24/09/2017
1   01/10/2017  08/11/2017
1   08/11/2017  31/12/2017
2   08/08/2017  10/08/2017
2   10/08/2017  11/08/2017", stringsAsFactors = FALSE, header = TRUE)

输出数据应如下所示：

df_new <- read.table(text = "
ID  Start_Date  End_Date
1   09/09/2016  23/12/2016
1   25/12/2016  03/01/2017
1   06/01/2017  27/02/2017
1   28/03/2017  30/05/2017
1   12/06/2017  04/07/2017
1   14/08/2017  14/08/2017
1   15/08/2017  28/08/2017
1   07/09/2017  07/09/2017
1   24/09/2017  24/09/2017
1   01/10/2017  31/12/2017
2   08/08/2017  11/08/2017", stringsAsFactors = FALSE, header = TRUE)

答案

这是一个dplyr解决方案：

df %>%
  mutate(collapse = Start_Date == lag(End_Date),
         group = cumsum(c(0, tail(!collapse, -1)))) %>%
  group_by(group) %>%
  summarise(Start_Date = first(Start_Date),
            End_Date = last(End_Date)) %>%
  select(Start_Date, End_Date)

我鼓励你逐行运行，检查发生了什么！

首先，它创建一个新的列折叠，如果记录的开始日期等于上一个记录的结束日期，则为true。因为第一行没有先前的记录，所以你会得到第1行的NA。

接下来，通过获取折叠列的累积总和来创建新的组列，但是第一行上的NA被修剪并替换为0.折叠需要被否定，因为我们只希望在遇到时增加值不应合并的行。

最后，组列允许我们通过总结进行简单的分组。在这种情况下，我忽略了ID列。

（这也假设您的数据排序很好，并且您不担心重叠的日期范围）。