通过日历月将开始和结束日期扩展为一系列的开始和结束日期。

Question

给定一张表格

id   start          end
1   22/03/2016    05/06/2016
2   17/08/2016    29/08/2016
3   22/09/2017    25/12/2017

我正在尝试按照日历月份进行拆分，如下表所示。

id   start         end
1   22/03/2016    31/03/2016
1   01/04/2016    30/04/2016
1   01/05/2016    05/06/2016
2   17/08/2016    29/08/2016
3   22/09/2017    30/09/2017
3   01/10/2017    31/10/2017
3   01/11/2017    30/11/2017
3   01/12/2017    25/12/2017

我正在尝试修改代码，这段代码来自于如何根据开始日期和结束日期将数据框的行分成多行？ ，但我无法正确地修改代码。问题通常出现在拥有30天的月份上，也许很容易，但我还不熟悉正则表达式。

#sample data
df <- data.frame("starting_date" = as.Date(c("2016-03-22", "2016-08-17", "2017-09-12")),
             "end_date" = as.Date(c("2016-06-05", "2016-08-29", "2017-12-25")),
             col3=c('1','2', '3'))

df1 <- df[,1:2] %>% 
rowwise() %>%
do(rbind(data.frame(matrix(as.character(c(
.$starting_date, 

seq(.$starting_date, .$end_date, by=1)[grep("\\d{4}-\\d{2}-31|\\d{4}-\\d{2}-01", seq(.$starting_date, .$end_date, by=1))],

.$end_date)), ncol=2, byrow=T))
  )
) %>%
data.frame() %>%
`colnames<-`(c("starting_date", "end_date")) %>%
mutate(starting_date= as.Date(starting_date, format= "%Y-%m-%d"),
     end_date= as.Date(end_date, format= "%Y-%m-%d"))

#add temporary columns to the original and expanded date column dataframes
df$row_idx <- seq(1:nrow(df))
df$temp_col <- (year(df$end_date) - year(df$starting_date)) +1
df1 <- cbind(df1,row_idx = rep(df$row_idx,df$temp_col))

#join both dataframes to get the final result
final_df <- left_join(df1,df[,3:(ncol(df)-1)],by="row_idx") %>%
  select(-row_idx) 
final_df

如果有人知道如何修改代码或更好的实现方式，我将非常感激。

- Ary Serfaty

Answer 1

我们假设问题中的样本输出存在错误，因为第三行跨越了两个月的部分，所以应该被拆分为两行。

定义“Seq”，它给定一个“start”和“end”日期变量，并生成一个包含“start”和“end”列的数据帧，然后对每个“id”使用“group_by”运行它。

library(dplyr)
library(zoo)

Seq <- function(start, end) {
  ym <- seq(as.yearmon(start), as.yearmon(end), 1/12)
  starts <- pmax(start, as.Date(ym, frac = 0))
  ends <- pmin(end, as.Date(ym, frac = 1))
  unique(data.frame(start = starts, end = ends))
}

fmt <- "%d/%m/%Y"
DF %>%
  mutate(start = as.Date(start, fmt), end = as.Date(end, fmt)) %>%
  group_by(id) %>%
  do(Seq(.$start, .$end)) %>%
  ungroup

提供：

# A tibble: 9 x 3
     id start      end       
  <int> <date>     <date>    
1     1 2016-03-22 2016-03-31
2     1 2016-04-01 2016-04-30
3     1 2016-05-01 2016-05-31
4     1 2016-06-01 2016-06-05
5     2 2016-08-17 2016-08-29
6     3 2017-09-22 2017-09-30
7     3 2017-10-01 2017-10-31
8     3 2017-11-01 2017-11-30
9     3 2017-12-01 2017-12-25

注意

可复现形式中的输入 DF:

Lines <- "
id   start          end
1   22/03/2016    05/06/2016
2   17/08/2016    29/08/2016
3   22/09/2017    25/12/2017"
DF <- read.table(text = Lines, header = TRUE)

- G. Grothendieck

Answer 2

所以可能有更优雅的方法来完成这个任务，我感觉我曾经看到过类似的问题，但是很快就没有找到重复的，所以就开始吧...

设置

library(tidyverse)
library(lubridate)

df <- data.frame(
  id = c('1', '2', '3'),
  starting_date = as.Date(c("2016-03-22", "2016-08-17", "2017-09-12")),
  end_date = as.Date(c("2016-06-05", "2016-08-29", "2017-12-25")),
  stringsAsFactors = FALSE
)

df
#>   id starting_date   end_date
#> 1  1    2016-03-22 2016-06-05
#> 2  2    2016-08-17 2016-08-29
#> 3  3    2017-09-12 2017-12-25

解决方案

df %>%
  group_by(id) %>%
  mutate(
    date_seq = list(seq.Date(starting_date, end_date, by = "month") %>% ceiling_date("month") - 1)
  ) %>%
  unnest() %>%
  mutate(row = row_number()) %>%
  mutate(
    new_end_date = if_else(row == max(row), end_date, date_seq),
    new_start_date = if_else(row == min(row), starting_date, floor_date(new_end_date, "month"))
  ) %>% 
  select(
    id, new_start_date, new_end_date
  )
#> # A tibble: 8 x 3
#> # Groups:   id [3]
#>   id    new_start_date new_end_date
#>   <chr> <date>         <date>      
#> 1 1     2016-03-22     2016-03-31  
#> 2 1     2016-04-01     2016-04-30  
#> 3 1     2016-06-01     2016-06-05  
#> 4 2     2016-08-17     2016-08-29  
#> 5 3     2017-09-12     2017-09-30  
#> 6 3     2017-10-01     2017-10-31  
#> 7 3     2017-11-01     2017-11-30  
#> 8 3     2017-12-01     2017-12-25

---

解释

这里发生的大部分事情都发生在第一个mutate调用中，它创建了date_seq。为了理解它，请考虑以下内容：

seq.Date(ymd("2016-03-22"), ymd("2016-06-05"), by = "month")
# [1] "2016-03-22" "2016-04-22" "2016-05-22"

seq.Date(ymd("2016-03-22"), ymd("2016-06-05"), by = "month") %>% 
  ceiling_date("month")
# [1] "2016-04-01" "2016-05-01" "2016-06-01"

seq.Date(ymd("2016-03-22"), ymd("2016-06-05"), by = "month") %>% 
  ceiling_date("month") - 1
# [1] "2016-03-31" "2016-04-30" "2016-05-31"

基本上，我们需要在原始的开始日期和结束日期之间创建一个“月末”日期序列。将其放入列表列中可以让我们按照id进行组织，以便我们可以适当地使用unnest函数。在unnest()之后查看输出结果。

df %>%
  group_by(id) %>%
  mutate(
    date_seq = list(seq.Date(starting_date, end_date, by = "month") %>% ceiling_date("month") - 1)
  ) %>%
  unnest()

从那里开始，我希望事情相对简单。也许row_number可以被替换为更花哨的东西，比如first/last，但我认为这可能更容易理解。

- JasonAizkalns