我有一个如下的数据框:
library(tidyverse)
df <- data_frame(
id = c(1, 1, 2, 2),
date1 = as.Date(c("2013-01-01", "2013-02-01", "2015-04-01", "2015-05-01")),
date2 = as.Date(c("2012-12-09", "2012-12-09", "2015-03-10", "2015-03-10"))
)
# A tibble: 4 x 3
id date1 date2
<dbl> <date> <date>
1 1 2013-01-01 2012-12-09
2 1 2013-02-01 2012-12-09
3 2 2015-04-01 2015-03-10
4 2 2015-05-01 2015-03-10
我希望完成这个数据框,使得对于每个id
,都有另一个date1
值。这个另一个date1
值是下一个月计算出来的。同时,存在一个date2
值,对于所有的id
都是相同的。使用tidyr::complete
函数可以实现此操作:
df %>%
group_by(id) %>%
complete(date1 = seq.Date(from = min(date1), length.out = 3, by = "month"), date2 = date2[1])
# A tibble: 6 x 3
# Groups: id [2]
id date1 date2
<dbl> <date> <date>
1 1 2013-01-01 2012-12-09
2 1 2013-02-01 2012-12-09
3 1 2013-03-01 2012-12-09
4 2 2015-04-01 2015-03-10
5 2 2015-05-01 2015-03-10
6 2 2015-06-01 2015-03-10
由于我的原始数据中有大约150K个组,tidyr
的解决方案需要一个多小时才能完成。我认为使用data.table
可以提高速度。是否可以在data.table
中完成同样的事情?
类似的问题已经在data.table equivalent of tidyr::complete()中提出,但没有group_by
子句。
data.table
setDT(df)[, .(date1 = seq(min(date1), length.out = 3, by = 'month'), date2 = date2[1]), id]
。 - akrun