將數據表分組的日期按連續的時間間隔分組（由間隔分割）

Question

我有一個data.table ，其中包含針對不同客戶（“客戶”）的許多事件，並希望在同一客戶的每個缺口（“缺失事件”）處分割事件 。

例如 假設我有每月的事件數據，而一個或多個月的丟失事件是一個“空白”，而連續幾個月的事件屬於同一組：

library(data.table)
library(lubridate)   # for ymd()
dt <- data.table(client.no = c(rep("Client_A", 3), rep("Client_B", 5), rep("Client_C", 2)),
                 event.date = ymd(20160101, 20160201, 20160301, 20151201, 20160101, 20160301, 20160501, 20160601, 20140701, 20150101))

與dt

    client.no event.date
 1:  Client_A 2016-01-01
 2:  Client_A 2016-02-01
 3:  Client_A 2016-03-01
 4:  Client_B 2015-12-01
 5:  Client_B 2016-01-01
 6:  Client_B 2016-03-01
 7:  Client_B 2016-05-01
 8:  Client_B 2016-06-01
 9:  Client_C 2014-07-01
10:  Client_C 2015-01-01

結果應該是對於同一組的每一行都相同的組號，例如：

    client.no event.date group.no
 1:  Client_A 2016-01-01        1
 2:  Client_A 2016-02-01        1
 3:  Client_A 2016-03-01        1
 4:  Client_B 2015-12-01        1
 5:  Client_B 2016-01-01        1
 6:  Client_B 2016-03-01        2
 7:  Client_B 2016-05-01        3
 8:  Client_B 2016-06-01        3
 9:  Client_C 2014-07-01        1
10:  Client_C 2015-01-01        2

不需要為每個客戶端將組號重置為一個（但這很好）。

您可以假定事件是在每個客戶端中排序的，並且同一客戶端中沒有重復的事件日期。

Answer 1

您可以使用cumsum ：

dt[,z:=cumsum(c(1,diff(event.date)>31)),by=client.no]

輸出：

   client.no event.date z
 1:  Client_A 2016-01-01 1
 2:  Client_A 2016-02-01 1
 3:  Client_A 2016-03-01 1
 4:  Client_B 2015-12-01 1
 5:  Client_B 2016-01-01 1
 6:  Client_B 2016-03-01 2
 7:  Client_B 2016-05-01 3
 8:  Client_B 2016-06-01 3
 9:  Client_C 2014-07-01 1
10:  Client_C 2015-01-01 2