现在,我的数据集是宽格式的,这意味着我每人有一行,但我想要一个长数据集,每人多行。我有两个日期变量,ADATE 和 DDATE,我想分别用作我的起点和终点。例如,如果某人的 ADATE 是 02/04/10,DDATE 是 02/07/10,我想要 4 行:
有:
ID ADATE DDATE
1 02/04/10 02/07/10
要:
ID ADATE DDATE NEW_DATE
1 02/04/10 02/07/10 02/04/10
1 02/04/10 02/07/10 02/05/10
1 02/04/10 02/07/10 02/06/10
1 02/04/10 02/07/10 02/07/10
我有多个数据集想要执行此操作,并且我已经编写了适用于每个数据集的代码,除了一个......我不知道为什么。这是我的尝试和我得到的错误:
jan15_long <- chf_jan15 %>%
mutate(NEW_DATE = as.Date(ADATE)) %>%
group_by(ID) %>%
complete(NEW_DATE = seq.Date(as.Date(ADATE), as.Date(DDATE), by = "day")) %>%
fill(vars) %>%
ungroup()
Error in seq.Date(as.Date(ADATE), as.Date(DDATE), by = "day") :
'from' must be of length 1
上面的代码给了我想要的东西,并且完美地运行在我拥有的所有其他数据集上(11 个中的 10 个(。
有没有更好的方法可以做到这一点?dplyr
对我来说最有意义,所以希望有一个解决方案。
如果有多个行,则需要循环seq
。 我们可以使用map2
. 此外,基于"DATE"列的format
,as.Date
需要一个format
参数,即as.Date(ADATE, "%m/%d/%y")
(假设它是月/日/年格式(
library(dplyr)
library(purrr)
library(lubridate)
chf_jan15 %>%
mutate_at(vars(ends_with("DATE")), mdy) %>%
mutate(random_date = map2(ADATE, DDATE, seq, by = "day")) %>%
unnest(c(random_date))
# A tibble: 4 x 4
# ID ADATE DDATE random_date
# <int> <date> <date> <date>
#1 1 2010-02-04 2010-02-07 2010-02-04
#2 1 2010-02-04 2010-02-07 2010-02-05
#3 1 2010-02-04 2010-02-07 2010-02-06
#4 1 2010-02-04 2010-02-07 2010-02-07
如果只有一行,则转换为类后Date
complete
应该可以工作
library(tidyr)
chf_jan15 %>%
mutate_at(vars(ends_with("DATE")), as.Date, format = "%m/%d/%y") %>%
mutate(NEW_DATE = ADATE) %>%
complete(NEW_DATE = seq(ADATE, DDATE, by = 'day')) %>%
fill(c(ID, ADATE, DDATE))
# A tibble: 4 x 4
# NEW_DATE ID ADATE DDATE
# <date> <int> <date> <date>
#1 2010-02-04 1 2010-02-04 2010-02-07
#2 2010-02-05 1 2010-02-04 2010-02-07
#3 2010-02-06 1 2010-02-04 2010-02-07
#4 2010-02-07 1 2010-02-04 2010-02-07
如果每个"ID"都有一行,那么我们可以group_split
并使用complete
chf_jan15 %>%
mutate_at(vars(ends_with("DATE")), as.Date, format = "%m/%d/%y") %>%
mutate(NEW_DATE = ADATE) %>%
group_split(ID) %>%
map_dfr(~ .x %>%
complete(NEW_DATE = seq(ADATE, DDATE, by = 'day')) %>%
fill(c(ID, ADATE, DDATE)))
数据
chf_jan15 <- structure(list(ID = 1L, ADATE = "02/04/10",
DDATE = "02/07/10"), class = "data.frame", row.names = c(NA,
-1L))