r-计算给定时间点的挂起任务数(理想情况下使用dplyr)

Question

我有一个包含事件列表的数据库。每个事件都有一个相关的开始日期，以及事件结束或完成的日期，例如：

dataset <- tibble(
eventid = sample(1:100, 25, replace=TRUE), 
start_date = sample(seq(as.Date('2011/01/01'), as.Date('2012/01/01'), by="day"), 25),
completed_date = sample(seq(as.Date('2012/01/01'), as.Date('2014/01/01'), by="day"), 25)
)
> dataset
# A tibble: 25 x 3
eventid start_date completed_date
<int> <date>     <date>        
1      57 2011-01-14 2013-01-07    
2      97 2011-01-21 2011-03-03    
3      58 2011-01-26 2011-02-05    
4      25 2011-03-22 2013-07-20    
5       8 2011-04-20 2012-07-16    
6      81 2011-04-26 2013-03-04    
7      42 2011-05-02 2012-01-16    
8      77 2011-05-03 2012-08-14    
9      78 2011-05-21 2013-09-26    
10      49 2011-05-22 2013-01-04    
# ... with 15 more rows
> 

我正试图制作一个滚动的"；快照"；在不同的时间点(例如逐月(有多少任务处于挂起状态。预期结果：

# A tibble: 25 x 2
month      count
<date>     <int>
1 2011-01-01    0
2 2011-02-01    3 
3 2011-03-01    2
4 2011-04-01    2
5 2011-05-01    4
6 2011-06-01    8

我曾尝试使用group_by(period=floor_date(start_date,"month"))对变量进行分组，但我有点卡住了，希望能有一个指向正确方向的指针！

如果可能的话，我更喜欢使用dplyr的解决方案。

谢谢！

Answer 1

您可以使用map2从purrr展开日期范围中包含的每个月的行。map2将同时对多个输入进行迭代。在这种情况下，它将同时遍历开始日期和结束日期。

在每次迭代中，if将使用seq(或seq.Date(创建一个从开始到结束的月份序列(根据floor_date确定(。结果是为每一行数据嵌套的(因为一行的序列中可能有多个月(。因此，之后需要unnest。

transmute将添加一个名为month_year的新变量(并删除旧变量(，并使用substr仅提取年份和月份(无日期(。这是日期的第一个到第七个字符。

然后，您可以group_by表示月份年份，count表示每个month_year的挂起项目数。

我包含了set.seed，以便从下面的数据中进行复制。

library(dplyr)
library(tidyr)
library(purrr)
library(lubridate)
dataset %>%
mutate(month = map2(floor_date(start_date, "month"),
floor_date(completed_date, "month"), 
seq.Date, 
by = "month")) %>%
unnest(month) %>%
transmute(month_year = substr(month, 1, 7)) %>%
group_by(month_year) %>%
summarise(count = n()) 

输出

month_year count
<chr>      <int>
1 2011-01        1
2 2011-02        3
3 2011-03        9
4 2011-04       10
5 2011-05       13
6 2011-06       15
7 2011-07       16
8 2011-08       18
9 2011-09       19
10 2011-10       20
# … with 22 more rows

如果要排除已完成的月份(除非开始月份和已完成月份相同，如果存在的话(，可以从创建的月份序列中减去1个月。在这种情况下，您可以使用pmax，这样，如果开始和结束月份相同，它仍然会计算月份(。

这是用map2:修改的mutate

mutate(month = map2(floor_date(start_date, "month"),
pmax(floor_date(completed_date, "month") - 1, floor_date(start_date, "month")), 
seq.Date, 
by = "month"))

数据

set.seed(123)
dataset <- tibble(
eventid = sample(1:100, 25, replace=TRUE), 
start_date = sample(seq(as.Date('2011/01/01'), as.Date('2012/01/01'), by="day"), 25),
completed_date = sample(seq(as.Date('2012/01/01'), as.Date('2014/01/01'), by="day"), 25)
)