R從組的開始日期和結束日期創建時間序列的最佳方法

Question

我有一個數據集，每個組我有一個開始和結束日期。 我想把這個數據變成一個，每個時間段（月）我對每個組都有一行觀察。

以下是輸入數據的示例，組由id標識：

structure(list(id = c(723654, 885618, 269861, 1383642, 250276, 
815511, 1506680, 1567855, 667345, 795731), startdate = c("2008-06-29", 
"2008-12-01", "2006-09-27", "2010-02-03", "2006-08-31", "2008-09-10", 
"2010-04-11", "2010-05-15", "2008-04-12", "2008-08-28"), enddate = c("2008-08-13", 
"2009-02-08", "2007-10-12", "2010-09-09", "2007-06-30", "2010-04-27", 
"2010-04-13", "2010-05-16", "2010-04-20", "2010-03-09")), .Names = c("id", 
"startdate", "enddate"), class = "data.frame", row.names = c("1", 
"2", "3", "4", "6", "7", "8", "9", "10", "11"))

我寫了一個函數並對其進行了矢量化。 該函數采用存儲在每一行中的三個參數，並生成具有組標識符的時間序列。

genDateRange<-function(start, end, id){
  dates<-seq(as.Date(start), as.Date(end), by="month")
  return( cbind(month=as.character(dates), id=rep(id, length(dates))))
}

genDataRange<-Vectorize(genDateRange)

我運行如下函數來獲取數據幀。 我在輸出中有超過6M的線，所以它需要永遠。 我需要一種更快的方式。

range<-do.call(rbind,genDataRange(dat$startdate, dat$enddate, dat$id))

前十行輸出如下所示：

structure(c("2008-06-29", "2008-07-29", "2008-12-01", "2009-01-01", 
"2009-02-01", "2006-09-27", "2006-10-27", "2006-11-27", "2006-12-27", 
"2007-01-27", "723654", "723654", "885618", "885618", "885618", 
"269861", "269861", "269861", "269861", "269861"), .Dim = c(10L, 
2L), .Dimnames = list(NULL, c("month", "id")))

我希望有一個更快的方法來做到這一點。 我認為我過分關注某些事情而忽略了一個更簡單的解決方案。

Answer 1

無需使用生成器函數或rbindlist因為data.table可以在沒有它的情況下輕松處理。

# start with a data.table and date columns
library(data.table)
dat <- data.table(dat)
dat[,`:=`(startdate = as.Date(startdate), enddate   = as.Date(enddate))]
dat[,num_mons:= length(seq(from=startdate, to=enddate, by='month')),by=1:nrow(dat)]

dat # now your data.table looks like this
#          id  startdate    enddate num_mons
#  1:  723654 2008-06-29 2008-08-13        2
#  2:  885618 2008-12-01 2009-02-08        3
#  3:  269861 2006-09-27 2007-10-12       13
#  4: 1383642 2010-02-03 2010-09-09        8
#  5:  250276 2006-08-31 2007-06-30       10
#  6:  815511 2008-09-10 2010-04-27       20
#  7: 1506680 2010-04-11 2010-04-13        1
#  8: 1567855 2010-05-15 2010-05-16        1
#  9:  667345 2008-04-12 2010-04-20       25
# 10:  795731 2008-08-28 2010-03-09       19

out <- dat[, list(month=seq.Date(startdate, by="month",length.out=num_mons)), by=id]
out 
#          id      month
#   1: 723654 2008-06-29
#   2: 723654 2008-07-29
#   3: 885618 2008-12-01
#   4: 885618 2009-01-01
#   5: 885618 2009-02-01
# ---                  
#  98: 795731 2009-10-28
#  99: 795731 2009-11-28
# 100: 795731 2009-12-28
# 101: 795731 2010-01-28
# 102: 795731 2010-02-28

這個問題是相關的，但不同之處在於你在問我們是在迭代，而不是復制數據表中的行。

Answer 2

對於大型數據集

library(data.table)
range <- rbindlist(lapply(genDataRange(dat$startdate, dat$enddate, dat$id),as.data.frame))

應該比快

range<-do.call(rbind,genDataRange(dat$startdate, dat$enddate, dat$id))