Разделение перекрывающихся строк внутри групп на основе дат - PullRequest
Новая
       25

Разделение перекрывающихся строк внутри групп на основе дат

0 голосов
/ 26 сентября 2018

Я пытаюсь создать новые строки на основе перекрывающихся периодов времени существующих строк.Например, я хотел бы превратить это: 

Customer_Product <- data.table(Customer=c("A01","A01","A01", "A02", "A02", "A02", "A03", "A03", "A03"), 
                Product=c("Prod1","Prod2","Prod3","Prod1","Prod2","Prod3","Prod1","Prod2","Prod3"), 
                Start_Date=c("1/1/2015", "3/1/2015", "4/1/2015", "1/1/2015", "3/1/2015", "4/1/2015", "1/1/2015", "3/1/2015", "4/1/2015"),
                End_Date=c("2/1/2015","5/1/2015","5/1/2015","2/1/2015","5/1/2015","6/1/2015","2/1/2015","6/1/2015","5/1/2015"))

   Customer Product Start_Date End_Date
1:      A01   Prod1   1/1/2015 2/1/2015
2:      A01   Prod2   3/1/2015 5/1/2015
3:      A01   Prod3   4/1/2015 5/1/2015
4:      A02   Prod1   1/1/2015 2/1/2015
5:      A02   Prod2   3/1/2015 5/1/2015
6:      A02   Prod3   4/1/2015 6/1/2015
7:      A03   Prod1   1/1/2015 2/1/2015
8:      A03   Prod2   3/1/2015 6/1/2015
9:      A03   Prod3   4/1/2015 5/1/2015

Во что-то вроде этого: 

Customer_Product_Combo <- data.table(Customer=c("A01","A01","A01", "A02", "A02", "A02", "A02","A03", "A03","A03","A03"),
                Product_or_Combination=c("Prod1","Prod2","Prod2/Prod3","Prod1","Prod2","Prod2/Prod3","Prod3","Prod1","Prod2","Prod2/Prod3","Prod2"),
                Start_Date=c("1/1/2015","3/1/2015","4/1/2015","1/1/2015","3/1/2015","4/1/2015","5/1/2015","1/1/2015","3/1/2015","4/1/2015","5/1/2015"),
                End_Date=c("2/1/2015","4/1/2015","5/1/2015","2/1/2015","4/1/2015","5/1/2015","6/1/2015","2/1/2015","4/1/2015","5/1/2015","6/1/2015"))

    Customer Product_or_Combination Start_Date End_Date
 1:      A01                  Prod1   1/1/2015 2/1/2015
 2:      A01                  Prod2   3/1/2015 4/1/2015
 3:      A01            Prod2/Prod3   4/1/2015 5/1/2015
 4:      A02                  Prod1   1/1/2015 2/1/2015
 5:      A02                  Prod2   3/1/2015 4/1/2015
 6:      A02            Prod2/Prod3   4/1/2015 5/1/2015
 7:      A02                  Prod3   5/1/2015 6/1/2015
 8:      A03                  Prod1   1/1/2015 2/1/2015
 9:      A03                  Prod2   3/1/2015 4/1/2015
10:      A03            Prod2/Prod3   4/1/2015 5/1/2015
11:      A03                  Prod2   5/1/2015 6/1/2015

Я искал IRanges, потому что кажется, что disjoin () может быть возможным решением, но я не вижу способа унаследовать / объединить данные "Prod".

У меня естьтакже пытался набросать что-то, используя лидерство / отставание в dplyr с последующим циклом сбора / слияния, но также стоит отметить, что у меня могут быть случаи, когда более двух «Prod» перекрываются, и тогда логика становится просто грязной.

Есть ли разумный способ сделать это?Любая помощь с благодарностью!

1 Ответ

0 голосов
/ 26 сентября 2018

Я использую данные, которые вы разместили (как data.frame) 

Customer_Product <- data.frame(Customer=c("A01","A01","A01", "A02", "A02", "A02", "A03", "A03", "A03"), 
                               Product=c("Prod1","Prod2","Prod3","Prod1","Prod2","Prod3","Prod1","Prod2","Prod3"), 
                               Start_Date=c("1/1/2015", "3/1/2015", "4/1/2015", "1/1/2015", "3/1/2015", "4/1/2015", "1/1/2015", "3/1/2015", "4/1/2015"),
                               End_Date=c("2/1/2015","5/1/2015","5/1/2015","2/1/2015","5/1/2015","6/1/2015","2/1/2015","6/1/2015","5/1/2015"))

Вот возможное решение: 

library(tidyverse)
library(data.table)
library(lubridate)

Customer_Product %>%
  mutate_at(vars(matches("Date")), dmy) %>%                          # update to date columns (if needed)
  mutate(day = map2(Start_Date, End_Date, ~seq(.x, .y, "day"))) %>%  # create sequence of days between start and end
  unnest() %>%                                                       # unnest data
  group_by(Customer, day) %>%                                        # for each customer and day
  summarise(Product = paste0(Product, collapse = "/")) %>%           # find corresponding products
  group_by(Customer, Product, id = rleid(Product)) %>%               # for each customer, product combination and position of product combination
  summarise(Start_Date = min(day),                                   # get start date
            End_Date = max(day)) %>%                                 # get end date
  ungroup() %>%                                                      # ungroup
  select(-id) %>%                                                    # remove id column
  arrange(Customer, Start_Date)                                      # order rows (if needed)


# # A tibble: 11 x 4
#   Customer Product     Start_Date End_Date  
#   <fct>    <chr>       <date>     <date>    
# 1 A01      Prod1       2015-01-01 2015-01-02
# 2 A01      Prod2       2015-01-03 2015-01-03
# 3 A01      Prod2/Prod3 2015-01-04 2015-01-05
# 4 A02      Prod1       2015-01-01 2015-01-02
# 5 A02      Prod2       2015-01-03 2015-01-03
# 6 A02      Prod2/Prod3 2015-01-04 2015-01-05
# 7 A02      Prod3       2015-01-06 2015-01-06
# 8 A03      Prod1       2015-01-01 2015-01-02
# 9 A03      Prod2       2015-01-03 2015-01-03
#10 A03      Prod2/Prod3 2015-01-04 2015-01-05
#11 A03      Prod2       2015-01-06 2015-01-06

Обратите внимание, что это решение не позволяетдиапазон дат перекрывается в выходной таблице.

Например, если у вас есть Prod2/Prod3 во время 4/1/2015 - 5/1/2015, вы не получите Prod2 во время 5/1/2015 - 6/1/2015, но 6/1/2015 - 6/1/2015, поскольку 5/1/2015покрыты Prod2/Prod3.

...