使用lubridate函数和mutate计算年龄

Question

我想根据出生日期计算年龄。

如果我使用lubridate，只需按以下方式运行，如 Efficient and accurate age calculation (in years, months, or weeks) in R given birth date and an arbitrary date： as.period(new_interval(start = birthdate, end = givendate))$year 但是，当我尝试在dplyr中使用mutate创建新变量时，遇到了错误。

library(dplyr); library(lubridate)

birthdate <- ymd(c(NA, "1978-12-31", "1979-01-01", "1962-12-30"))
givendate <- ymd(c(NA, "2015-12-31", "2015-12-31", NA))

df <- data.frame(
    birthdate = birthdate,
    givendate = givendate)

以下内容可以使用，但它会提供所有日期和时间值，即年、月、日、小时、分钟和秒。

df<-df %>% mutate(age=as.period(interval(start = birthdate, end = givendate)))

# df
#    birthdate  givendate                  age
# 1       <NA>       <NA>                 <NA>
# 2 1978-12-31 2015-12-31   37y 0m 0d 0H 0M 0S
# 3 1979-01-01 2015-12-31 36y 11m 30d 0H 0M 0S
# 4 1962-12-30       <NA>                 <NA>

以下方法无效：

df<-df %>% 
       mutate(age=as.period(interval(start = birthdate, end = givendate))$year)

出现错误：

在 mutate_impl(.data, dots) 中出现错误：无效的下标类型 'closure'

我认为可能是由于缺失值导致的。因此，我尝试了以下操作：

df<-df %>% 
   mutate(age=as.period(interval(start = birthdate, end = givendate))) %>% 
   mutate(age=if_else(!is.na(age),age$year,age))

它也给出了一个错误：

“mutate_impl(.data, dots)中的错误：找不到'age'对象”

- HNSKD

---

@akrun 当我应用第一个mutate时，数据集中已经有了age变量。我对年龄应用$year，因为我认为我可以提取该期间的年份。 - HNSKD

'age' 是一个具有 'period' 类的变量，可能不被 mutate 函数支持。 - akrun

Answer 1

在 lubridate 中，

• Period 是一个 S4 类，其中有一个名为 "year" 的 slot
• year 是一个 S3 类对象，其中包含一种方法来从 period 对象中提取 year slot。

请参见https://github.com/hadley/lubridate/blob/master/R/accessors-year.r）中的访问器函数来提取年份组件。

因此，以下代码将起作用：

df %>% mutate(age = year(as.period(interval(start = birthdate, end = givendate))))

- mnel

Answer 2

我们可以使用lubridate中的year函数来获取两个日期之间的年份差异。

library(dplyr); library(lubridate)
df %>% mutate(age = year(givendate) - year(birthdate))

#   birthdate  givendate age
#1       <NA>       <NA>  NA
#2 1978-12-31 2015-12-31  37
#3 1979-01-01 2015-12-31  36
#4 1962-12-30       <NA>  NA

- Ronak Shah

---

仅使用年份计算年龄并不准确。如果一个人的出生日期是1978-12-31，给定日期是2015-12-30，那么他仍然是36岁，因为他的生日还没有到。 - HNSKD

@HNSKD 噢..是的！因为 year 只提取日期中的年份部分。最直接的方法就像 @Spacedman 建议的那样，使用 as.period(interval(start = df$birthdate, end = df$givendate))$year。 - Ronak Shah

Answer 3

我们可以使用do。

df %>%
   mutate(age=as.period(interval(start = birthdate, end = givendate))) %>%
   do(data.frame(.[setdiff(names(.), "age")], 
       age = ifelse(!is.na(.$age), .$age$year, .$age)))
#    birthdate  givendate age
#1       <NA>       <NA>  NA
#2 1978-12-31 2015-12-31  37
#3 1979-01-01 2015-12-31  36
#4 1962-12-30       <NA>  NA

---

作为as.period是由period类提供的，我们可能需要使用S4方法来提取它。

df %>% 
    mutate(age=as.period(interval(start = birthdate, end = givendate))) %>%
   .$age %>%
   .@year %>%
    mutate(df, age = .)
#  birthdate  givendate age
#1       <NA>       <NA>  NA
#2 1978-12-31 2015-12-31  37
#3 1979-01-01 2015-12-31  36
#4 1962-12-30       <NA>  NA

- akrun

---

这段代码简短而精炼，但我该如何理解它？ - HNSKD

@HNSKD 谢谢，我也添加了一个使用 mutate 的版本。 - akrun

非dplyr版本更易理解，可以简单地写成：df$age=as.period(interval(start = df$birthdate, end = df$givendate))$year。 - Spacedman

如果必须使用dplyr，因为需要使用hadleyverse的话，使用lubridate的year函数有什么问题吗？使用@访问器被认为是有害的。可以使用以下代码将年龄计算到数据框中：df %>% mutate(age = year(as.period(interval(start = birthdate, end = givendate))))。 - Spacedman

@akrun 不是我的操作。 - Spacedman

@Spacedman 我知道你是个很棒的人！ :-) - akrun