r-创建一个伪/指标变量，该变量引用两个不同数据帧中的日期变量

Question

我的问题很基本，但我是R的新手，几天来我一直在努力解决这个问题，但没有成功：(

我的工作

这是CoronaNet_clean数据帧。

country       date_start  date_end  
South Africa  2020-03-22  NA
South Africa  2020-04-12  2020-06-02
Australia     2021-02-11  2020-04-12
Australia     2020-06-10  NA 
United States 2020-01-01  NA  
United States 2020-12-08  NA

这是tweetgovuser数据帧

country        screen_name  created_at   text                 
South Africa   HealthZA     2020-12-08   The number of health care workers....
...

我想要什么

我想在tweetgovuser中创建一个名为lockdown_summy的列。我希望这个指标/伪变量是基于三个条件创建的：

• 如果created_at(tweetgovuser(与date_start或date_end匹配(CoronaNet_clean(，则让lockdown_dummy
• 如果created_at在date_end和date_start的日期之间，则让lockdown_summy=1
• 如果以上条件均不成立，则设lockdown_summy=0

最终产品应该是这样的：

country        screen_name  created_at   text             lockdown_dummy      
South Africa   HealthZA     2020-12-08   The number....   1
...

我尝试过的

我尝试了几个不同的代码块，但最近我写了一个非常粗糙、写得很差的代码来执行这个：

lockdown_dummy <- case_when(
created_at == date_start ~ 1,
created_at == date_end ~ 1, 
"date_start" %<% created_at %<% "date_end" ~ 1
TRUE ~ 0
)

Answer 1

好问题。下次，尝试与一些导入代码共享更多数据，这样我们就更容易进行实验。您可以使用类似dput()的函数。

在您的情况下，首先要做的是连接这两个表。这里我使用了left_join()。

然后，您只需要调用ifelse()来检查日期是否高于开始日期而小于结束日期。

这是代码：

library(tidyverse)
library(lubridate)
CoronaNet_cleaned = read.table(header=T, text="
country       date_start  date_end  
'South Africa'  2020-03-22  NA
'South Africa'  2020-03-22  2027-03-22
'South Africa'  2020-04-12  2020-06-02
Australia     2021-02-11  2020-04-12
Australia     2020-06-10  NA 
'United States' 2020-01-01  NA  
'United States' 2020-12-08  NA")
tweetgovuser  = read.table(header=T, text="
country        screen_name  created_at   text                 
'South Africa'   HealthZA     2020-12-08   'The number of health care workers'                
")
CoronaNet_cleaned %>% 
left_join(tweetgovuser, by="country") %>% 
mutate(
date_start = ymd(date_start),  #probably not needed with real data
date_end = ymd(date_end),      #probably not needed with real data
created_at = ymd(created_at),  #probably not needed with real data
dummy = ifelse(created_at>=date_start & created_at<=date_end, 1, 0),
)
#> # A tibble: 7 x 7
#>   country    date_start date_end   screen_name created_at text             dummy
#>   <chr>      <date>     <date>     <chr>       <date>     <chr>            <dbl>
#> 1 South Afr~ 2020-03-22 NA         HealthZA    2020-12-08 The number of h~    NA
#> 2 South Afr~ 2020-03-22 2027-03-22 HealthZA    2020-12-08 The number of h~     1
#> 3 South Afr~ 2020-04-12 2020-06-02 HealthZA    2020-12-08 The number of h~     0
#> 4 Australia  2021-02-11 2020-04-12 <NA>        NA         <NA>                NA
#> 5 Australia  2020-06-10 NA         <NA>        NA         <NA>                NA
#> 6 United St~ 2020-01-01 NA         <NA>        NA         <NA>                NA
#> 7 United St~ 2020-12-08 NA         <NA>        NA         <NA>                NA

^{由reprex软件包(v1.0.0(于2021-05-20创建}