Блог

Представьте, что у меня есть таблица, подобная

Я хочу выбрать все данные в этой таблице, но создать новый столбец с новым Event_ID. Событие определяется как все строки с одинаковым идентификатором в течение периода времени в 15 дней. Проблема в том, что я хочу, чтобы временные рамки перемещались — как в первых 3 строках: строка 2 находится в пределах 15 дней строки 1 (поэтому они относятся к одному и тому же событию). Строка 3 находится в пределах 15 дней от строки 2 (но дальше от строки 1), но я хочу, чтобы она была добавлена к тому же событию, что и раньше. (Примечание: таблица не упорядочена, как в примере, это было просто для удобства).

Вывод должен быть

Я также могу сделать это в R с помощью data.table (в зависимости от эффективности / производительности)

Вот один data.table из подходов в R :

 library(data.table)
#Change to data.table
setDT(df)
#Order the dataset
setorder(df, ID, Date)
#Set flag to TRUE/FALSE if difference is greater than 15
df[, greater_than_15 := c(TRUE, diff(Date) > 15), ID]
#Take cumulative sum to create consecutive event id.
df[, Event_ID := cumsum(greater_than_15)]
df

#    ID       Date greater_than_15 Event_ID
# 1:  1 2021-01-01            TRUE        1
# 2:  1 2021-01-05           FALSE        1
# 3:  1 2021-01-17           FALSE        1
# 4:  1 2021-02-01           FALSE        1
# 5:  1 2021-02-18            TRUE        2
# 6:  1 2021-02-28           FALSE        2
# 7:  1 2021-03-30            TRUE        3
# 8:  2 2021-01-01            TRUE        4
# 9:  2 2021-01-14           FALSE        4
#10:  2 2021-02-15            TRUE        5
 

данные

 df <- structure(list(ID = c(1, 1, 1, 1, 1, 1, 1, 2, 2, 2), 
Date = structure(c(18628, 18632, 18644, 18659, 18676, 18686, 18716, 
18628, 18641, 18673), class = "Date")), 
row.names = c(NA, -10L), class = "data.frame")
 

r Решением может быть использование dplyr подхода и rleid функции из data.table

 library(dplyr)
library(data.table)
df %>% group_by(ID) %>%
  mutate(Date = as.Date(Date)) %>% #mutating Date column as Date
  arrange(ID, Date) %>% #arranging the rows in order
  mutate(Event = if_else(is.na(Date - lag(Date)), Date - Date, Date - lag(Date)),
         Event = paste(ID, cumsum(if_else(Event > 15, 1, 0)), sep = "_")) %>%
  ungroup() %>% #since the event numbers are not to be created group-wise
  mutate(Event = rleid(Event))
# A tibble: 9 x 3
     ID Date       Event
  <int> <date>     <int>
1     1 2021-01-01     1
2     1 2021-01-05     1
3     1 2021-01-17     1
4     1 2021-02-15     2
5     1 2021-02-28     2
6     1 2021-03-30     3
7     2 2021-01-01     4
8     2 2021-01-14     4
9     2 2021-02-15     5