是否有一个 R 函数可以计算自数据框中最近日期以来的天数？

Posted 2023-02-14

【中文标题】是否有一个 R 函数可以计算自数据框中最近日期以来的天数？

【英文标题】：Is there an R function that calculates the amount of days since the most recent date in a data frame?

【发布时间】：2022-01-19 14:41:30

【问题描述】：

我有下面的数据框，想计算自当前日期以来学生最后一次（最近一次）缺勤的天数，并将其添加到原始数据框中。

 Student ID       Absent Date       Subject        

    4567           08/30/2018          M
    4567           09/22/2019          M
    8345           09/01/2019          S
    8345           03/30/2019         PE         
    8345           07/18/2017          M
    5601           01/08/2019         SS

这是所需的输出：

 Student ID       Absent Date       Subject       # of Days Since Last Absence            

    4567           08/30/2018          M                 816
    4567           09/22/2019          M                 816
    8345           09/01/2019          S                 837
    8345           03/30/2019         PE                 837        
    8345           07/18/2017          M                 837
    5601           01/08/2019         SS                 1073

感谢您的帮助。

【参考方案1】：

包裹 dplyr 和日期的max 会给你答案。 R中的当前日期是Sys.Date()

library(dplyr)

df1 %>% 
  group_by(Student_ID) %>% 
  mutate(days_since_last_absence = Sys.Date() -  max(as.Date(Absent_Date, format = "%m/%d/%Y")))


# A tibble: 6 x 4
# Groups:   Student_ID [3]
  Student_ID Absent_Date Subject days_since_last_absence
       <int> <chr>       <chr>   <drtn>                 
1       4567 08/30/2018  M        816 days              
2       4567 09/22/2019  M        816 days              
3       8345 09/01/2019  S        837 days              
4       8345 03/30/2019  PE       837 days              
5       8345 07/18/2017  M        837 days              
6       5601 01/08/2019  SS      1073 days  

数据：

df1 <- structure(list(Student_ID = c(4567L, 4567L, 8345L, 8345L, 8345L, 
5601L), Absent_Date = c("08/30/2018", "09/22/2019", "09/01/2019", 
"03/30/2019", "07/18/2017", "01/08/2019"), Subject = c("M", "M", 
"S", "PE", "M", "SS")), class = "data.frame", row.names = c(NA, 
-6L))

【讨论】：

我建议将max() 放在as.Date() 之外，否则“4-16-2021”将大于“11-16-2021”，并且您不依赖于字符串格式的日期，甚至“04-15-2021”都会小于“04-16-1900”

更好的解释，比较一下：as.Date(max(c("04/15/2021", "04/16/1900")), format = "%m/%d/%Y") # "1900-04-16" 和 max(as.Date(c("04/15/2021", "04/16/1900"), format = "%m/%d/%Y")) # "2021-04-15"

@MerijnvanTilborg，你是对的。调整好了。

【参考方案2】：

假设你的数据框被称为df，在base R中，试试

df$difference<-as.numeric(difftime(Sys.Date(),as.POSIXct(paste(df[,2]),format="%m/%d/%Y"),tz="UTC"))

tz 必须根据您的位置进行调整。