R-转置并计算未知数量的日期列之间的差异.一种可读性更强的方式

Question

我正在将未知数量的多个日期周期拟合在一个主要的周期序列中。有没有比我的方法更可读或更紧凑的方法？我在这里混合了sqldf和data.table，因为我在项目中使用了这两个库，但如果需要，可以在纯data.table中使用。反之亦然。其他开发良好的库也可以

没有硬编码，我用几个选项运行这个，不知道周期内的最大周期数。周期内的数量没有理论上限（可能是365），但根据规范，基本的健全性检查应该将最大值设定在6-15个周期左右。

这是我使用atm的工作代码的表示（在原始脚本中作为函数编写）。

我相信应该有一个更短/更可读的函数。在dcast部分，我们能做些什么来计算差异并应用求和函数吗？我试过了，但fun.aggregate似乎只限于更简单的操作。

library("data.table")
library("sqldf")
Data <- data.table(
  Fnr      = c(22516, 22516, 22516, 45459, 45459),
  Vernr    = c(1,1,1,1,2),
  Startdat = c("2010-01-01", "2010-01-01", "2012-01-01", 
               "2013-04-01", "2013-04-01"),
  Endat    = c("2010-12-31", "2010-12-31", "2012-05-19", 
               "2014-03-31", "2014-03-31"),
  Fromdat  = c("2010-02-21", "2010-08-16", NA, "2013-08-31", "2014-01-02"),
  Tomdat   = c("2010-05-16", "2010-09-11", NA, "2013-10-27", "2014-02-13")
)
tmp.eval <- "list(Fnr, Vernr, Startdat, Endat)"
dt_tmp <- Data[, nobs_id := order(Fromdat), 
               by = eval(parse(text = tmp.eval))]
dt_tmp <- dt_tmp[, c("Fromdat", "Tomdat") := list(as.Date(Fromdat), 
                                                  as.Date(Tomdat))]
dt_tmp <- dcast(dt_tmp, Fnr + Vernr + ... ~ nobs_id,
                value.var = c("Fromdat", "Tomdat"))
dt.colnames <- data.table(colnames(dt_tmp))
dt.col1 <- dt.colnames[substr(V1,1,3) == "Fro"][, c("nobs_id", "Fromdat") := 
                                                list(order(V1),V1)]
dt.col2 <- dt.colnames[substr(V1,1,3) == "Tom"][, c("nobs_id", "Tomdat") := 
                                                list(order(V1),V1)]
dt.set <- merge(dt.col1[,V1 := NULL], dt.col2[,V1 := NULL],
                by = "nobs_id")
dt.set <- dt.set[, diff_col := paste(Tomdat,Fromdat, sep = "-")]
dt.set <- dt.set[, diff_col := paste(diff_col, " diff_",nobs_id, sep = "")]
dt.set <- dt.set[, diffvar_col := paste("as.numeric(diff_",nobs_id,")",
                                        sep = "")]
str.diff <- paste(dt.set$diff_col, collapse = ",")
str.diffvar <- paste(dt.set$diffvar_col, collapse = ",") 
str.diffvar <- paste("sum(", str.diffvar, ", na.rm = TRUE)")
dt_tmp <- sqldf(sprintf("SELECT *, %s FROM dt_tmp",
                         str.diff)
                )
dt_tmp <- setDT(dt_tmp)[Startdat <= Endat, 
                        corr_days := eval(parse (text = str.diffvar)),       
                        by = list(Fnr, Vernr, Startdat, Endat)]

Answer 1

我不能100%确定你想做什么，但这里有一种方法可以获得dt_tmp的相同最终输出。假设我正确地解释了你想要做的事情，那么诀窍就是先做你的计算，然后融化它，然后铸造它。

Data[, nobs_id := order(Fromdat), 
     by = list(Fnr, Vernr, Startdat, Endat)]
Data[,Tomdat:=as.IDate(Tomdat)]
Data[,Fromdat:=as.IDate(Fromdat)]
Data[,diff:=as.integer(Tomdat-Fromdat)]
Data[,corr_days:=sum(diff),by= list(Fnr, Vernr, Startdat, Endat)]
mytemp<-dcast(melt(Data,id.vars=c('Fnr','Vernr','Startdat','Endat','nobs_id','corr_days')),Fnr+Vernr+Startdat+Endat+corr_days~variable+nobs_id,value.var='value')
#if you want them in the same order as your dt_tmp
setcolorder(mytemp, c(names(mytemp)[!names(mytemp)%in%'corr_days'],'corr_days'))

#if you want the date columns to be type character again
datecols<-names(mytemp)[grepl('dat',names(mytemp))]
mytemp[,(datecols):=lapply(.SD,as.character),.SDcols=datecols]