2

在 RI 中有这个对象：

z <- 
  dplyr::tribble(
    ~event_id, ~group_id, ~date_event, ~date_min,   ~date_max,  
    1, 1, "2019-11-11", "2019-11-04", "2019-11-18",
    2, 1, "2019-11-13", "2019-11-06", "2019-11-20",
    3, 1, "2019-11-19", "2019-11-12", "2019-11-26",
    4, 1, "2020-04-30", "2020-04-23", "2020-05-07",
    5, 2, "2019-11-05",  "2019-10-29", "2019-11-12",
    6, 2, "2019-11-26", "2019-11-19", "2019-12-03"
    ) %>%
  dplyr::mutate_if(is.character,lubridate::as_date)

我的数据遵循这个结构：每行一个 event_id；每个组的 group_id；一个日期事件；以及 date_event 之前 7 天和之后 7 天之间的范围（date_min 和 date_max）。

我想知道的是：对于每一行（每个事件），同一 group_id 内与该行的范围（基于 date_min 和 date_max）匹配的其他事件是什么？！

输出示例：

  • event_id = 2，属于 group_id = 1，在其范围内有事件编号 1 和 3，它们也属于同一个 group_id。

我不确定我到底想要什么输出格式，但我需要这个结果，我不知道如何解决它。

有人可以帮忙吗？提前致谢。最好的，弗拉德米尔。

4

3 回答 3

1

您可以先分组，然后purrr::map2用于此。为此，您传入这些日期阈值以同时映射，并将事件 id 和日期向量作为附加参数：

library(dplyr)
library(purrr)

z2 <- z %>%
  group_by(group_id) %>%
  mutate(
    event_ids_in_window = map2(
      date_min, date_max,
      event_ids = event_id, dates = date_event,
      .f = function(date_min, date_max, event_ids, dates) {
        event_ids[which(dates >= date_min & dates <= date_max)]
      }
    )
  )
于 2020-09-10T00:11:48.113 回答
1

您可以使用正则表达式连接将数据与自身连接并计算范围内的日期。

data <- fuzzyjoin::fuzzy_inner_join(z, z, 
       by = c('group_id', 'date_min' = 'date_event', 'date_max' = 'date_event'), 
       match_fun = c(`==`, `<=`, `>=`))

现在计算可以使用的每个 id 有多少 id 重叠：

library(dplyr)
data %>% count(event_id.x, group_id.x)

# A tibble: 6 x 3
#  event_id.x group_id.x     n
#       <dbl>      <dbl> <int>
#1          1          1     2
#2          2          1     3
#3          3          1     2
#4          4          1     1
#5          5          2     1
#6          6          2     1

并获得重叠的 id，您可以使用：

data %>%
  group_by(event_id.x) %>%
  summarise(other_ids = list(event_id.y))

#  event_id.x other_ids
#       <dbl> <list>   
#1          1 <dbl [2]>
#2          2 <dbl [3]>
#3          3 <dbl [2]>
#4          4 <dbl [1]>
#5          5 <dbl [1]>
#6          6 <dbl [1]>

请注意，每个 id 也与其自身重叠，因此如果您需要通过执行从数据中删除此类 id filter(event_id.x != event_id.y)。

于 2020-09-10T00:37:07.783 回答
1

我们可以使用非 equi 加入data.table

library(data.table)
setDT(z)[z, .N, on = .(group_id, date_min <= date_event,
         date_max >= date_event), by = .EACHI]
#    group_id   date_min   date_max N
#1:        1 2019-11-11 2019-11-11 2
#2:        1 2019-11-13 2019-11-13 3
#3:        1 2019-11-19 2019-11-19 2
#4:        1 2020-04-30 2020-04-30 1
#5:        2 2019-11-05 2019-11-05 1
#6:        2 2019-11-26 2019-11-26 1

并返回“日期”和行索引

setDT(z)[z, .(.N, dates = .(date_event), rn = .(.I)), on = 
    .(group_id, date_min <= date_event,
        date_max >= date_event), by = .EACHI]
于 2020-09-10T00:40:28.427 回答