2

我有以下内容data.frame：

df <- data.frame(id=c(1,2,3), 
                 first.date=as.Date(c("2014-01-01", "2014-03-01", "2014-06-01")), 
                 second.date=as.Date(c("2015-01-01", "2015-03-01", "2015-06-1")),
                 third.date=as.Date(c("2016-01-01", "2017-03-01", "2018-06-1")),
                 fourth.date=as.Date(c("2017-01-01", "2018-03-01", "2019-06-1")))

> df

  id first.date second.date third.date fourth.date
1  1 2014-01-01  2015-01-01 2016-01-01  2017-01-01
2  2 2014-03-01  2015-03-01 2017-03-01  2018-03-01
3  3 2014-06-01  2015-06-01 2018-06-01  2019-06-01

每行代表三个时间跨度；即时间跨度分别在first.date和second.date、second.date和third.date和third.date和之间fourth.date。

在没有更好的词的情况下，我想取消嵌套数据框以获取此信息：

  id  StartDate    EndDate
1  1 2014-01-01 2015-01-01
2  1 2015-01-01 2016-01-01
3  1 2016-01-01 2017-01-01
4  2 2014-03-01 2015-03-01
5  2 2015-03-01 2017-03-01
6  2 2017-03-01 2018-03-01
7  3 2014-06-01 2015-06-01
8  3 2015-06-01 2018-06-01
9  3 2018-06-01 2019-06-01

我一直在玩包中的unnest功能tidyr，但我得出的结论是，我认为这不是我真正想要的。

有什么建议么？

4

2 回答 2

4

我们可以使用data.table. 我们将“data.frame”转换为“data.table”（setDT(df)），然后melt将数据集long格式化，使用shift按type='lead'“id”分组，然后删除NA元素。

library(data.table)
na.omit(melt(setDT(df), id.var='id')[, shift(value,0:1, type='lead') , id])
#   id         V1         V2
#1:  1 2014-01-01 2015-01-01
#2:  1 2015-01-01 2016-01-01
#3:  1 2016-01-01 2017-01-01
#4:  2 2014-03-01 2015-03-01
#5:  2 2015-03-01 2017-03-01
#6:  2 2017-03-01 2018-03-01
#7:  3 2014-06-01 2015-06-01
#8:  3 2015-06-01 2018-06-01
#9:  3 2018-06-01 2019-06-01

列名可以通过在该步骤中使用setnames或前面的任何一个来更改。shift

于 2016-01-07T18:08:30.837 回答
4

您可以按如下方式尝试 tidyr/dplyr：

library(tidyr)
library(dplyr)
df %>% gather(DateType, StartDate, -id) %>% select(-DateType) %>% arrange(id) %>% group_by(id) %>% mutate(EndDate = lead(StartDate))

您可以通过添加以下内容来消除每个 id 组中的最后一行：

%>% slice(-4)

到上面的管道。

于 2016-01-07T18:10:09.927 回答