我有一个 data.table
对象,其中包含两个 date
列:from
和 to
。我想创建一个新列来确定特定工作日是否在日期范围之间。
[数据]
library(data.table)
set.seed(1)
DT <- data.table(from=seq.Date(Sys.Date(), Sys.Date()+100, by="day"))[, to:=from+sample(10, 1), by=1:nrow(DT)][, from_wd:=wday(from)][, to_wd:=wday(to)]
> head(DT)
from to from_wd to_wd
1: 2015-08-06 2015-08-10 5 2
2: 2015-08-07 2015-08-10 6 2
3: 2015-08-08 2015-08-18 7 3
4: 2015-08-09 2015-08-16 1 1
5: 2015-08-10 2015-08-13 2 5
6: 2015-08-11 2015-08-13 3 5
[我的方法]
在本例中,我想添加一个新的 boolean
列 flag
,如果星期三在 范围内,则返回
。TRUE
>[从,到]
这是我的尝试:
DT[, flag:=0][DT[, .I[4 %in% unique(wday(seq.Date(from, to, by="day")))], by=1:nrow(DT)][[1]], flag:=1]
> table(DT$flag)
0 1
21 80
[问题]
代码运行需要一些时间,并且可以想象,如果 nrow(DT)
变大,则需要更多时间。
我的问题是:有更好的方法吗?在速度和代码可读性方面更好(我相信我的代码根本不直观)。
最佳答案
这是一种方法:
next_wday <- function(d,wd=4L){
wddiff = wd - wday(d)
d + wddiff + (wddiff < 0L)*7L
}
DT[, flag2 := +(next_wday(from) <= to)]
# test:
DT[,table(flag,flag2)]
# flag2
# flag 0 1
# 0 44 0
# 1 0 57
这个想法是您将到
与下周四进行比较**。替换行可以用多种不同的方式编写。
基准
OP 提到 from
和 to
可能相隔长达 200 天,所以...
set.seed(1)
from <- seq(as.IDate("1950-01-01"), by = "day", length = 1e6)
to <- from + pmin(200,rpois(length(from),1))
DT <- data.table(from,to)
system.time(DT[, flag2 := +(next_wday(from) <= to)])
# user system elapsed
# 2.11 0.03 2.14
# David Arenburg's solution
system.time({
DateDT <- DT[, {
temp <- seq(min(from), max(to), by = "day")
temp2 <- temp[wday(temp) == 4L]
list(from = temp2, to = temp2)
}
]
indx <- foverlaps(DT, setkey(DateDT), nomatch = 0L, which = TRUE)$xid
DT[, flag := 0L][indx, flag := 1L]
})
# user system elapsed
# 6.75 0.14 6.89
# check agreement
DT[,table(flag,flag2)]
# flag2
# flag 0 1
# 0 714666 0
# 1 0 285334
我使用 IDate
因为它是 data.table 包附带的日期格式,并且使用起来更快(?)。有几种方法可以使代码更快:
首先,将注意力限制在
to-from
小于 6 的行上可能会更快(因为每个工作日都会有 6 或更大的间隙),例如DT[,flag2:=0L][to-from < 6, flag2 := +(next_wday(from) <= to)]
其次,由于计算一次仅依赖于一行,因此并行化可能会带来一些改进,如 @grubjesic 的回答所示。
根据实际数据,可能会发现其他改进。
这里没有对 OP 的代码进行基准测试,因为它需要按行拆分数据并枚举每行最多 200 个日期,这肯定会很慢。
** 或任何 wday
为 4 的意思。
关于如果工作日位于日期范围之间,R data.table 将使用逻辑值设置新列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/31842356/