计算两个数据框中日期之间的差异

Question

下面是第一个数据框

Account reference number    Amount  Date
A   1   1583.51 16/05/2016
B   2   4038.18 27/09/2016
C   3   1161.36 20/05/2016
C   4   732.39  24/10/2016
C   5   747.69  24/11/2016

下面是第二个数据框

Account reference number    Amount  Date
A   6   3062.88 03/05/2016
A   7   2619.09 03/05/2016
A   8   4743.22 09/05/2016
B   9   115.28  03/05/2016
B   10  993.14  03/05/2016
B   11  879.05  03/05/2016
C   12  50.93   03/05/2016
C   13  21.83   03/05/2016
C   14  14.55   03/05/2016

我想通过比较两个数据框来找出每个帐户的日期差异。 例如，如果您比较帐户“A”的数据框中的日期，则应为 -13 天，因为开始日期为 16/05/2016，停止日期为 03/05/2016。

我希望在第一个数据框中的日期与该帐户的第二个数据框中的每个日期进行检查。 例如，16/05/2016 应与 03/05/2016 和 09/05/2016 核对。

Answer 1

创建了我自己的示例数据，因为您的数据很难复制。 基于dplyr的解决方案：

df1 = data.frame(account=c(1,2,3,4),date=seq(Sys.Date(),Sys.Date()+3,by=1),value = c(1,1,1,1))
df2 = data.frame(account=c(1,2,3,4),date=seq(Sys.Date()+2,Sys.Date()+5,by=1), value = c(2,2,2,2))

require(dplyr)

df2 = df2 %>% select(account,df2.date=date)
df1 = df1 %>% left_join(df2) %>% mutate(diff = as.numeric(date-df2.date))

输入

> df1
  account       date value
1       1 2017-07-17     1
2       2 2017-07-18     1
3       3 2017-07-19     1
4       4 2017-07-20     1
> df2
  account       date value
1       1 2017-07-19     2
2       2 2017-07-20     2
3       3 2017-07-21     2
4       4 2017-07-22     2

输出

> df1
  account       date value   df2.date diff
1       1 2017-07-17     1 2017-07-19   -2
2       2 2017-07-18     1 2017-07-20   -2
3       3 2017-07-19     1 2017-07-21   -2
4       4 2017-07-20     1 2017-07-22   -2

希望这可以帮助！

Answer 2

为简单起见，我假设第一个日期框架称为 a，第二个日期框架称为 b。 我以缩写形式创建了它们

a <- data.frame(Account = c("A,B"), reference_number = c(1,2), Amount = c(1583.51,4038.18),  Date = c("16/05/2016","27/09/2016"))
b <- data.frame(Account = c("A,A"), reference_number = c(6,7), Amount = c(3062.88,2619.09),  Date = c("03/05/2016","03/05/2016"))

您可以通过这种方式找到 2 个日期之间的差异：

#days
difftime(strptime(b$Date[1], format = "%d/%m/%Y"),
     strptime(a$Date[1], format = "%d/%m/%Y"),units="days")

#weeks
difftime(strptime(b$Date[1], format = "%d/%m/%Y"),
     strptime(a$Date[1], format = "%d/%m/%Y"),units="weeks")

Answer 3

使用基于Florian的回答的示例数据：

df1 = data.frame(account=c("A","A","B","B"),date=seq(Sys.Date(),Sys.Date()+3,by=1),value = c(1,1,1,1))
df2 = data.frame(account=c("A","A","A","B"),date=seq(Sys.Date()+2,Sys.Date()+5,by=1),value = c(2,2,2,2))

我在每个数据框中添加了每个account的几个实例。 这对于为您自己的数据获得正确的输出很重要：

library(dplyr)
library(lubridate)
full_join(df1,df2,by="account") %>%
  mutate(diff=date.x-date.y) %>%

  account     date.x value.x     date.y value.y    diff
1       A 2017-07-17       1 2017-07-19       2 -2 days
2       A 2017-07-17       1 2017-07-20       2 -3 days
3       A 2017-07-17       1 2017-07-21       2 -4 days
4       A 2017-07-18       1 2017-07-19       2 -1 days
5       A 2017-07-18       1 2017-07-20       2 -2 days
6       A 2017-07-18       1 2017-07-21       2 -3 days
7       B 2017-07-19       1 2017-07-22       2 -3 days
8       B 2017-07-20       1 2017-07-22       2 -2 days 

Answer 4

您可以使用plyr和dplyr软件包来获得所需的输出。 它首先对组合的数据帧进行排序，然后为每个组中的每一行计算第一个日期和第一个日期之间的时间差。 之后，它会找到每个组的最大值，最后删除添加的列。

df <- rbind(df1,df2)
df$Date <- as.Date(df$Date, "%d/%m/%Y")

library(dplyr)

df <- df %>% 
         arrange(Account, Date)

library(plyr)


plyr::ddply((df), .(Account), transform, 
      Date_1 = Date[1],
      change = abs((Date - Date[1]))) %>% 
             dplyr::group_by(Account) %>% 
             dplyr::slice(which.max(change)) %>%
             dplyr::select(-Date_1)


# Source: local data frame [3 x 5] 
# Groups: Account [3] 
#  
# # A tibble: 3 x 5 
#   Account reference.number  Amount       Date   change 
#    <fctr>            <int>   <dbl>     <date>   <time> 
# 1       A                1 1583.51 2016-05-16  13 days 
# 2       B                2 4038.18 2016-09-27 147 days 
# 3       C                5  747.69 2016-11-24 205 days

数据

df1 <- structure(list(Account = structure(c(1L, 2L, 3L, 3L, 3L), .Label = c("A", 
"B", "C"), class = "factor"), reference.number = 1:5, Amount = c(1583.51, 
4038.18, 1161.36, 732.39, 747.69), Date = structure(c(1L, 5L, 
2L, 3L, 4L), .Label = c("16/05/2016", "20/05/2016", "24/10/2016", 
"24/11/2016", "27/09/2016"), class = "factor")), .Names = c("Account", 
"reference.number", "Amount", "Date"), class = "data.frame", row.names = c(NA,-5L))

df2 <- structure(list(Account = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 
3L, 3L, 3L), .Label = c("A", "B", "C"), class = "factor"), reference.number = 6:14, 
Amount = c(3062.88, 2619.09, 4743.22, 115.28, 993.14, 879.05, 
50.93, 21.83, 14.55), Date = structure(c(1L, 1L, 2L, 1L, 
1L, 1L, 1L, 1L, 1L), .Label = c("03/05/2016", "09/05/2016"
), class = "factor")), .Names = c("Account", "reference.number", 
"Amount", "Date"), class = "data.frame", row.names = c(NA, -9L))