如何從每月入學數據計算持續時間？

Question

我試圖每月獲取有關不同程序注冊的數據，並將其轉換為每個“ idnum”的持續時間/咒語。 例如：

row    idnum    date      program
 1     00001    201301    1  
 2     00001    201302    1  
 3     00001    201303    1   
 4     00001    201306    1
 5     00001    201307    1
 6     00002    201301    1
 7     00002    201302    1
 8     00002    201304    1
 9     00002    201305    1
10     00002    201307    1
11     00002    201308    1 

從201301到201303（歷時3個月）和201306到201307（歷時2個月）將“ idnum” 00001納入程序“ 1”。

從2013年1月至201302年（2個月），201304年至201305年（2個月）和201307年至201308年（2個月），“ idnum” 00002進入程序“ 1”。

我想得到的結果類似於以下內容：

idnum    program    start     duration
00001    1          201301    3
00001    1          201306    2
00002    1          201301    2
00002    1          201304    2
00002    1          201307    2

任何幫助將不勝感激！ 預先感謝您的建議。

Answer 1

當嘗試比較不同的行時，我喜歡使用data.table包。

require("data.table")

#Create fake data
data <- data.table(row=1:11,idnum=c(rep("00001",5),rep("00002",6)),
          date=c(201301:201303,201306:201307,201301:201302,201304:201305,201307:201308),program=1)

#Develop order by id
data[,order:=seq(1,.N),by="idnum"]

#Calculate date difference within each id for each date
data[,date.diff:=(date[order+1]-date[order]),by="idnum"]

#Lag date diff
data[,date.diff2:=c(NA,date.diff[-.N])]
data[is.na(date.diff2),date.diff2:=0]

#Develop new start variable to account for interuptions within id
data[,new.start:=1*(date.diff2>1)]
data[,start.group:=cumsum(new.start)]

#Develop result
result <- data[,list(idnum=idnum[1],program=program[1],start=date[1],duration=(date[.N]-date[1]+1)),
     by=c("idnum","start.group")]

result
idnum   start.group idnum  program  start duration
1: 00001           0 00001       1 201301        3
2: 00001           1 00001       1 201306        2
3: 00002           1 00002       1 201301        2
4: 00002           2 00002       1 201304        2
5: 00002           3 00002       1 201307        2

Answer 2

在base R中通過不同的函數進行匯總並不是一件容易的事，而且您的日期值也很容易找到這種形式的差距，但這是一種策略

#helper function to convert date to continuous integer
tomonthseq<-function(x) {
x<-as.character(x)
    yr<-as.numeric(substr(x,1,4))
    mo<-as.numeric(substr(x,5,6))
    ryr<-min(yr)
    mo+(yr-ryr)*12
}

#find ID for each id/prog/date seq
sq<-with(dd,ave(tomonthseq(as.character(date)), idnum, program, FUN=function(x) {
    cumsum(c(0, diff(x)!=1))
}))

#do the aggregation
xx <- aggregate(date~sq+program+idnum, dd, 
    function(x) {cbind(x[1], length(x))})

#clean up after aggregation mess
xx <- cbind(xx[, 3:2], 
    structure(xx[, 4], .Dimnames=list(NULL, c("start","duration"))))

輸出是

  idnum program  start duration
1 00001       1 201301        3
2 00001       1 201306        2
3 00002       1 201301        2
4 00002       1 201304        2
5 00002       1 201307        2