假設我有以這種格式存盤的學校注冊資料，其中包含開始日期和結束日期欄位：
| 唯一名稱 | 注冊開始 | 招生結束 |
|---|---|---|
| 艾米 | 2017 年 1 月 1 日 | 2018 年 9 月 30 日 |
| 富蘭克林 | 2017 年 1 月 1 日 | 2017 年 2 月 19 日 |
| 富蘭克林 | 2017 年 6 月 5 日 | 2018 年 2 月 4 日 |
| 富蘭克林 | 2018 年 10 月 21 日 | 2019 年 3 月 9 日 |
| 薩米爾 | 2017 年 6 月 1 日 | 2017 年 2 月 4 日 |
| 薩米爾 | 2017 年 4 月 5 日 | 2018 年 9 月 12 日 |
| ... | ... | ... |
我想按月生成總入學人數，如下所示：
| 月 | 入學人數 |
|---|---|
| 2017 年 1 月 | 25 |
| 2017 年 2 月 | 31 |
| 2017 年 3 月 | 19 |
| 2017 年 4 月 | 34 |
| 2017 年 5 月 | 29 |
| 2017 年 6 月 | 32 |
| ... | ... |
有沒有一種簡單的方法可以使用 dplyr 完成此任務？
我能想到的唯一方法是回圈遍歷從 month_min 到 month_max 范圍內的所有月份的串列，以計算每個月內開始或停止日期的行數。希望代碼更簡單。
uj5u.com熱心網友回復：
創建一個串列列，其中包含每組日期之間的月份序列，然后取消嵌套和計數。
筆記：
- 我習慣
lubridate::floor_date()四舍五入enrollment_start到每月的第一天。否則，如果是在每月 29 日或更晚，seq()則可能會跳過幾個月。enrollment_start - 您的示例資料的第五行
enrollment_start遲于enrollment_end- 我認為這是一個錯誤并被洗掉。
library(tidyverse)
library(lubridate)
enrollments %>%
mutate(
across(c(enrollment_start, enrollment_end), dmy), # convert to date
month = map2(
floor_date(enrollment_start, unit = "month"), # round to 1st day
enrollment_end,
~ seq(.x, .y, by = "month")
)
) %>%
unnest_longer(month) %>%
count(month, name = "enrollment_count")
#> # A tibble: 27 x 2
#> month enrollment_count
#> <date> <int>
#> 1 2017-01-01 2
#> 2 2017-02-01 2
#> 3 2017-03-01 1
#> 4 2017-04-01 2
#> 5 2017-05-01 2
#> 6 2017-06-01 3
#> 7 2017-07-01 3
#> 8 2017-08-01 3
#> 9 2017-09-01 3
#> 10 2017-10-01 3
#> # ... with 17 more rows
由reprex 包于 2022-03-25 創建(v2.0.1)
uj5u.com熱心網友回復：
這是我對dplyrand的看法tidyr。
- 透視資料，為每個學生創建多行并格式化您的日期。
- 對學生進行分組并使用
complete. - 對生成的周期和計數進行分組。
data %>%
pivot_longer(cols=c('enrollment_start','enrollment_end')) %>%
mutate(value = as.Date(value, format = "%d, %B, %Y")) %>%
mutate(value = lubridate::floor_date(value, 'month')) %>%
# unique_name name value
# <chr> <chr> <date>
# 1 Amy enrollment_start 2017-01-01
# 2 Amy enrollment_end 2018-09-30
# 3 Franklin enrollment_start 2017-01-01
# 4 Franklin enrollment_end 2017-02-19
# ..etc.
group_by(unique_name) %>%
complete(value = seq.Date(min(value), max(value), by="month")) %>%
arrange(unique_name, value)
enrollment_count <- group_by(data, value) %>%
count()
編輯：我忘了確定日期，以便在最后正確匯總每個時期。添加floor_datefromlubridate以執行此操作。
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/451454.html