с теми же идентификаторами и датами с даты старта по текущую.
Реализовал с помощью циклов, но работает это ужасно медленно. Может, у кого-нибудь будут идеи по оптимизации?
Мой код:
library('lubridate')
names <- c('Andrey', 'Sergey', 'Voldemar')
starts <- c(dmy(01062018), dmy(29052018), dmy(27052018))
df <- data.frame(names, starts, stringsAsFactors = FALSE)
df$day_number <- as.integer(0)
df$cur_day <- df$starts
Это - исходная таблица, выглядит вот так:
names starts day_number cur_day
1 Andrey 2018-06-01 0 2018-06-01
2 Sergey 2018-05-29 0 2018-05-29
3 Voldemar 2018-05-27 0 2018-05-27
Добавляем недостающие даты:
for (row in 1:nrow(df)){
start <- df$starts[row]
lifetime <- interval(start,dmy(03062018))
lifetime_days <- (int_length(lifetime) / 60 / 60 / 24) - 1
if (lifetime_days <1) {next}
df_temp <- data.frame(
names = vector(length=lifetime_days),
starts = vector(length=lifetime_days),
day_number = vector(length=lifetime_days),
cur_day = vector(length=lifetime_days)
)
df_temp$names <- as.character(df_temp$names)
df_temp$starts <- ymd(df_temp$starts)
df_temp$day_number <- as.integer(df_temp$day_number)
df_temp$cur_day <- ymd(df_temp$cur_day)
for (d in 1:lifetime_days){
cur_day <- start + days(d)
df_temp$names[d] <- df$names[row]
df_temp$starts[d] <- start
df_temp$day_number[d] <- d
df_temp$cur_day [d] <- cur_day
}
df <- rbind(df, df_temp)
}
df <- df[order(df$names, df$day_number),]
df
Получается следующее:
names starts day_number cur_day
1 Andrey 2018-06-01 0 2018-06-01
4 Andrey 2018-06-01 1 2018-06-02
2 Sergey 2018-05-29 0 2018-05-29
5 Sergey 2018-05-29 1 2018-05-30
6 Sergey 2018-05-29 2 2018-05-31
7 Sergey 2018-05-29 3 2018-06-01
8 Sergey 2018-05-29 4 2018-06-02
3 Voldemar 2018-05-27 0 2018-05-27
9 Voldemar 2018-05-27 1 2018-05-28
10 Voldemar 2018-05-27 2 2018-05-29
11 Voldemar 2018-05-27 3 2018-05-30
12 Voldemar 2018-05-27 4 2018-05-31
13 Voldemar 2018-05-27 5 2018-06-01
14 Voldemar 2018-05-27 6 2018-06-02
Посмотрите dplyr.
Обсуждают сегодня