我需要通过 id_client 对日期进行快速聚合:最小值、最大值、月份日期差异以及月份数量。
示例表:
tbl<-data.frame(id_cliente=c(1,1,1,1,2,3,3,3),
fecha=c('2013-01-01', '2013-06-01','2013-05-01', '2013-04-01', '2013-01-01', '2013-01-01','2013-05-01','2013-04-01'))
格式化日期:
tbl$fecha<-as.Date(as.character(tbl$fecha))
我的第一个方法是 ddply:
tbl2<-ddply(tbl, .(id_cliente), summarize, cant=length(id_cliente),
max=max(fecha), min=min(fecha),
dif=length(seq(from=min, to=max, by='month')))
我得到了想要的结果,但是使用我的真实表需要太多时间。 所以我尝试了tapply:
tbl3<-data.frame(cbind(dif=tapply(tbl$fecha, list(tbl$id_cliente), secuencia),
hay=tapply(tbl$fecha, list(tbl$id_cliente), length),
min=tapply(tbl$fecha, list(tbl$id_cliente), min),
max=tapply(tbl$fecha, list(tbl$id_cliente), max)
))
结果是:
> tbl3
dif hay min max
6 4 15706 15857
1 1 15706 15706
5 3 15706 15826
在这种情况下,我得到的不是日期,而是数字。因此,由于以下工作有效,我尝试在tapply中使用as.Date:
as.Date(15706, origin='1970-01-01')
MIN<-function(x){as.Date(min(x), origin='1970-01-01')}
该函数可以工作,但使用tapply 则不行。
tbl3<-data.frame(cbind(min=tapply(tbl$fecha, list(tbl$id_cliente), MIN)))
我仍然得到的是号码而不是日期。 我该如何解决这个问题?谢谢。
最佳答案
我知道这有点晚了,但我想我应该把它放在这里,以便那些仍在谷歌上搜索这个问题的人。
有趣的是,当您将日期列保留为文本格式时,tapply
会返回正确的结果,然后您可以转换为以下日期:
tbl<-data.frame(id_cliente=c(1,1,1,1,2,3,3,3),
fecha=c('2013-01-01', '2013-06-01','2013-05-01', '2013-04-01', '2013-01-01', '2013-01-01','2013-05-01','2013-04-01'))
tbl3<-data.frame(cbind(dif=tapply(tbl$fecha, list(tbl$id_cliente), seq),
hay=tapply(tbl$fecha, list(tbl$id_cliente), length),
min=tapply(tbl$fecha, list(tbl$id_cliente), min),
max=tapply(tbl$fecha, list(tbl$id_cliente), max)))
head(tbl3)
# dif hay min max
# 1, 2, 3, 4 4 2013-01-01 2013-06-01
# 1 1 2013-01-01 2013-01-01
# 1, 2, 3 3 2013-01-01 2013-05-01
关于R-tapply 不保持日期格式,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34119968/