[英]Calculate Difference between dates by group in R
我正在使用逻辑暴露来计算鸟巢的孵化成功率。 我的数据集非常广泛,我有大约 2,000 个巢穴,每个巢穴都有一个唯一的 ID(“ClutchID”)。我需要计算给定巢穴暴露的天数(“暴露”),或者更简单地说,是第一天也是最后一天。我使用了以下代码:
HS_Hatch$Exposure=NA
for(i in 2:nrow(HS_Hatch)){HS_Hatch$Exposure[i]=HS_Hatch$DateVisit[i]- HS_Hatch$DateVisit[i-1]}
其中 HS_Hatch 是我的数据集,DateVisit 是实际日期。 唯一的问题是 R 正在计算第一个日期的曝光值(这没有意义)。
我真正需要的是计算给定离合器的第一个日期和最后一个日期之间的差异。 我还研究了以下内容:
Exposure=ddply(HS_Hatch, "ClutchID", summarize,
orderfrequency = as.numeric(diff.Date(DateVisit)))
df %>%
mutate(Exposure = as.Date(HS_Hatch$DateVisit, "%Y-%m-%d")) %>%
group_by(ClutchID) %>%
arrange(Exposure) %>%
mutate(lag=lag(DateVisit), difference=DateVisit-lag)
我仍在学习 R,因此任何帮助将不胜感激。
编辑:以下是我正在使用的数据示例
HS_Hatch <- structure(list(ClutchID = c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L,
2L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 5L, 5L
), DateVisit = c("3/15/2012", "3/18/2012", "3/20/2012", "4/1/2012",
"4/3/2012", "3/18/2012", "3/20/2012", "3/22/2012", "4/3/2012",
"4/4/2012", "3/22/2012", "4/3/2012", "4/4/2012", "3/18/2012",
"3/20/2012", "3/22/2012", "4/2/2012", "4/3/2012", "4/4/2012",
"3/20/2012", "3/22/2012", "3/25/2012", "3/27/2012", "4/4/2012",
"4/5/2012"), Year = c(2012L, 2012L, 2012L, 2012L, 2012L, 2012L,
2012L, 2012L, 2012L, 2012L, 2012L, 2012L, 2012L, 2012L, 2012L,
2012L, 2012L, 2012L, 2012L, 2012L, 2012L, 2012L, 2012L, 2012L,
2012L), Survive = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L)), class = c("tbl_df",
"tbl", "data.frame"), row.names = c(NA, -25L), .Names = c("ClutchID",
"DateVisit", "Year", "Survive"), spec = structure(list(cols = structure(list(
ClutchID = structure(list(), class = c("collector_integer",
"collector")), DateVisit = structure(list(), class = c("collector_character",
"collector")), Year = structure(list(), class = c("collector_integer",
"collector")), Survive = structure(list(), class = c("collector_integer",
"collector"))), .Names = c("ClutchID", "DateVisit", "Year",
"Survive")), default = structure(list(), class = c("collector_guess",
"collector"))), .Names = c("cols", "default"), class = "col_spec"))
收集一些评论...
dplyr
我们只需要dplyr
包来解决这个问题。 如果我们加载其他包,例如plyr
,如果两个包都具有相同名称的函数,则可能会导致冲突。 让我们只加载dplyr
。
library(dplyr)
将来,您可能希望加载tidyverse
它包括dplyr
和其他相关包,用于图形等。
让我们将DateVisit
变量从字符串转换为 R 可以解释为日期的内容。 一旦我们这样做,它允许 R 通过将两个日期相减来计算天数差异。
HS_Hatch <- HS_Hatch %>%
mutate(date_visit = as.Date(DateVisit, "%m/%d/%Y"))
日期格式%m/%d/%Y
与您的原始代码不同。 此日期格式需要与日期在数据中的外观相匹配。 DateVisit
日期为月/日/年,因此我们使用%m/%d/%Y
。
此外,您不需要在mutate
为DateVisit
指定数据集,就像在HS_Hatch$DateVisit
,因为它已经在HS_Hatch
中HS_Hatch
。 代码HS_Hatch %>% ...
表示“将HS_Hatch
用于以下步骤”。
要计算曝光度,我们需要通过ClutchID
为每组行找到第一个日期、最后一个日期,然后找到两者之间的差异。 我们使用summarize
,它将数据折叠为每个ClutchID
一行。
exposure <- HS_Hatch %>%
group_by(ClutchID) %>%
summarize(first_visit = min(date_visit),
last_visit = max(date_visit),
exposure = last_visit - first_visit)
first_visit = min(date_visit)
将分别找到每个ClutchID
的最小date_visit
,因为我们使用的是group_by(ClutchID)
。
exposure = last_visit - first_visit
采用新计算的first_visit
和last_visit
并找出天数差异。
这将创建以下结果:
ClutchID first_visit last_visit exposure
<int> <date> <date> <dbl>
1 1 2012-03-15 2012-04-03 19
2 2 2012-03-18 2012-04-04 17
3 3 2012-03-22 2012-04-04 13
4 4 2012-03-18 2012-04-04 17
5 5 2012-03-20 2012-04-05 16
如果要保留所有原始行,可以使用mutate
代替summarize
。
这是一个类似的解决方案,如果您从向量date
查找以天为单位的 difftime 结果,而在新列中没有 NA 值,并且您希望按多个条件/组进行分组。
确保您的日期向量以之前解释的良好格式进行转换。
dat2 <- dat %>%
select(group1, group2, date) %>%
arrange(group1, group2, date) %>%
group_by(group1, group2) %>%
mutate(diff_date = c(0,diff(date)))
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.