R: скользящее среднее время между двумя датами

Question

У меня есть набор данных наблюдений с датами начала и окончания. Я хотел бы рассчитать разницу скользящей средней между датами начала и окончания.

Ниже приведен пример набора данных.

require(dplyr)
df <- data.frame(id=c(1,2,3), 
                 start=c("2019-01-01","2019-01-10", "2019-01-05"),
                 end=c("2019-02-01", "2019-01-15", "2019-01-10"))
df[,c("start", "end")] <- lapply(df[,c("start", "end")], as.Date)

id   start         end
1    2019-01-01    2019-02-01
2    2019-01-10    2019-01-15
3    2019-01-05    2019-01-10

Общие диапазоны дат: от 2019-01-01 до 2019-02-01. Я хотел бы рассчитать среднюю разницу между датами начала и окончания для каждой из дат в этом диапазоне.

Результат будет выглядеть именно так. Я включил фактические значения для средних, которые должны отображаться:

date          avg
2019-01-01    0
2019-01-02    1
2019-01-03    2
2019-01-04    3
2019-01-05    4
2019-01-06    3
2019-01-07    4
2019-01-08    5
2019-01-09    6
2019-01-10    7
2019-01-11    5.5
    .         .
    .         .
    .         .

Answer 1

Редактирование ответа согласно комментариям.

Создание df:

require(dplyr)
df <- data.frame(id=c(1,2,3), 
                 start=c("2019-01-01", "2019-01-10", "2019-01-05"),
                 end=c("2019-02-01", "2019-01-15", "2019-01-10"))
df[,c("start", "end")] <- lapply(df[,c("start", "end")], as.Date)

Создание дат для каждой начальной и конечной комбинации:

#gives the list of all dates within start and end frames and calculates difference
datesList = lapply(1:nrow(df),function(i){
  dat = data_frame('date'=seq.Date(from=df$start[i],to=df$end[i],by=1),
                   'start'=df$start[i]) %>% 
    dplyr::mutate(diff=date-start)
})

Наконец, group_byдата и найти avg, чтобы дать вывод в точности как тот, который в вопросе:

finalDf = bind_rows(datesList) %>% 
  dplyr::filter(diff != 0) %>% 
  dplyr::group_by(date) %>% 
  dplyr::summarise(avg=mean(diff,na.rm=T))

Таким образом, вывод будет:

# A tibble: 31 x 2
   date       avg     
   <date>     <time>  
 1 2019-01-02 1.0 days
 2 2019-01-03 2.0 days
 3 2019-01-04 3.0 days
 4 2019-01-05 4.0 days
 5 2019-01-06 3.0 days
 6 2019-01-07 4.0 days
 7 2019-01-08 5.0 days
 8 2019-01-09 6.0 days
 9 2019-01-10 7.0 days
10 2019-01-11 5.5 days
# … with 21 more rows

Дайте мне знать, если это работает.

Answer 2

Создание воспроизводимого примера:

df <- data.frame(id=c(1,2,3,4), 
                 start=c("2019-01-01","2019-01-01", "2019-01-10", "2019-01-05"),
                 end=c("2019-01-04", "2019-01-05", "2019-01-12", "2019-01-08"))
df[,c("start", "end")] <- lapply(df[,c("start", "end")], as.Date)
df

Возвращает:

id       start         end
1   2019-01-01  2019-01-04      
2   2019-01-01  2019-01-05      
3   2019-01-10  2019-01-12      
4   2019-01-05  2019-01-08  

Затем с помощью функции group_by из dplyr:

library(dplyr)
df %>% 
  group_by(start) %>% 
  summarize(avg=mean(end - start)) %>% 
  rename(date=start)

Возвращает:

date        avg
<time>      <time>
2019-01-01  3.5 days            
2019-01-05  3.0 days            
2019-01-10  2.0 days