如何计算两个日期之间的持续时间

Question

我正在使用 RStudio 中的大型数据集，其中包括同一个人的多个测试分数。 我已经过滤了我的数据集，以在连续两行中显示同一个人的分数，并在一列中显示每次测试管理的测试日期。 我的数据显示如下：

id  test_date     score    baseline_number_1    baseline_number_2 
1   08/15/2017    21.18          Baseline             N/A
1   08/28/2019    28.55             N/A             Baseline
2   11/22/2017    33.38          Baseline             N/A
2   11/06/2019    35.3              N/A             Baseline
3   07/25/2018    30.77          Baseline             N/A
3   07/31/2019    33.42             N/A             Baseline

我想计算基线 1 和基线 2 管理之间的总持续时间，并将该值存储在新列中。 因此，我的第一个问题是计算两个日期之间持续时间的最佳方法是什么？ 第二，将每个人的数据压缩到一行以使计算测试分数之间的差异更容易并存储在新列中的最佳方法是什么？

感谢您的任何帮助！

Answer 1

这是tidyverse宇宙中的一个解决方案。 我们要使用的包是dplyr和tidyr 。

首先，我们创建数据集（改为从文件中读取）并将字符串转换为日期格式：

library(dplyr)
library(tidyr)

dataset <- read.table(text = "id  test_date     score    baseline_number_1    baseline_number_2 
1   08/15/2017    21.18          Baseline             N/A
1   08/28/2019    28.55             N/A             Baseline
2   11/22/2017    33.38          Baseline             N/A
2   11/06/2019    35.3              N/A             Baseline
3   07/25/2018    30.77          Baseline             N/A
3   07/31/2019    33.42             N/A             Baseline", header = TRUE)
dataset$test_date <- as.Date(dataset$test_date, format = "%m/%d/%Y")

#   id  test_date score baseline_number_1 baseline_number_2
# 1  1 2017-08-15 21.18          Baseline              <NA>
# 2  1 2019-08-28 28.55              <NA>          Baseline
# 3  2 2017-11-22 33.38          Baseline              <NA>
# 4  2 2019-11-06 35.30              <NA>          Baseline
# 5  3 2018-07-25 30.77          Baseline              <NA>
# 6  3 2019-07-31 33.42              <NA>          Baseline

将每个人的数据压缩到一行并计算两个基线之间的差异的最佳解决方案可以实现如下：

dataset %>% 
  group_by(id) %>% 
  mutate(number = row_number()) %>% 
  ungroup() %>% 
  pivot_wider(
    id_cols = id,
    names_from = number, 
    values_from = c(test_date, score), 
    names_glue = "{.value}_{number}"
    ) %>% 
  mutate(
    time_between = test_date_2 - test_date_1
  )

简要说明：首先我们创建变量number ，表示每行中的基线号； 然后我们使用pivot_wider使数据集确实“更宽”，即每个 id 及其特征都有一行； 最后，我们创建变量time_between ，其中包含两个基线之间的天数差异。 在您对其中一些功能不熟悉的情况下，建议您在每次操作后断开管道并逐步分析。

最终 output

# A tibble: 3 x 6
#      id test_date_1 test_date_2 score_1 score_2 time_between
#   <int> <date>      <date>        <dbl>   <dbl> <drtn>      
# 1     1 2017-08-15  2019-08-28     21.2    28.6 743 days    
# 2     2 2017-11-22  2019-11-06     33.4    35.3 714 days    
# 3     3 2018-07-25  2019-07-31     30.8    33.4 371 days