группы дат ограниченного размера по интервалу

Question

У меня есть фрейм данных с датами, и я хотел бы сгруппировать даты с интервалом в 9 дней, но размер группы должен быть максимум 7 дат. Таким образом, если мы найдем 9 дней в интервале, две последние даты должны перейти к следующей группе и т. Д.

И начальная дата интервала может быть только существующей датой набора данных.

Вот пример:

start_date <- as.Date("2020-04-17")
dates <- c(start_date,  
           start_date + 10:16, 
           start_date + c(17, 18, 20), 
           start_date + c(30, 39))
x <- data.frame(date = dates)

> x
         date
1  2020-04-17
2  2020-04-27
3  2020-04-28
4  2020-04-29
5  2020-04-30
6  2020-05-01
7  2020-05-02
8  2020-05-03
9  2020-05-04
10 2020-05-05
11 2020-05-07
12 2020-05-17
13 2020-05-26

И исполняемый вывод:

         date group
1  2020-04-17     1
2  2020-04-27     2
3  2020-04-28     2
4  2020-04-29     2
5  2020-04-30     2
6  2020-05-01     2
7  2020-05-02     2
8  2020-05-03     2
9  2020-05-04     3
10 2020-05-05     3
11 2020-05-07     3
12 2020-05-17     4
13 2020-05-26     4

Я действительно застрял в этом, ничего не работало из того, что я пробовал до сих пор, любая помощь был бы очень признателен, спасибо!

Answer 1

Вот вариант, использующий Rcpp:

library(Rcpp)
cppFunction("
IntegerVector grpDates(IntegerVector dates, int winsize, int daysaft) {
    int sz = dates.size(), start = 0;
    IntegerVector res(sz);  

    res[0] = 1;
    for (int i = 1; i < sz; i++) {
        if ((dates[i] - dates[start] > daysaft) || (i - start + 1 > winsize)) {
            res[i] = res[i-1] + 1;
            start = i;
        } else {
            res[i] = res[i-1];
        }
    }

    return res;
}")
x$group <- grpDates(dates, 7L, 9L)
x

вывод:

         date group
1  2020-04-17     1
2  2020-04-27     2
3  2020-04-28     2
4  2020-04-29     2
5  2020-04-30     2
6  2020-05-01     2
7  2020-05-02     2
8  2020-05-03     2
9  2020-05-04     3
10 2020-05-05     3
11 2020-05-07     3
12 2020-05-17     4
13 2020-05-26     4
14 2020-06-03     5
15 2020-06-04     5
16 2020-06-05     5
17 2020-06-06     5
18 2020-06-07     5
19 2020-06-08     5
20 2020-06-09     5

данные с большим количеством строк даты:

start_date <- as.Date("2020-04-17")
dates <- c(start_date,  
    start_date + 10:16, 
    start_date + c(17, 18, 20), 
    start_date + c(30, 39),
    start_date + 47:53)
x <- data.frame(date = dates)

Answer 2

Я считаю, что это то, что вы хотите. Как видите, код довольно неэффективен, но я не могу придумать способ, не идя последовательно.

start_date <- as.Date("2020-04-17")
dates <- c(start_date,  
           start_date + 10:16, 
           start_date + c(17, 18, 20), 
           start_date + c(30, 39))
x <- data.frame(date = dates)

assign_group <- function(group_var, group_number) {
  # finding the start of the group
  start_idx <- min(which(is.na(group_var))) 
  # finding the end of the group (either group size == 7 or the dates in the range)
  end_idx <- start_idx + min(6, sum(x$date > x$date[start_idx] &
                                      x$date <= x$date[start_idx] + 9))
  # taking care of the out of range index
  end_idx <- min(end_idx, length(group_var))
  # assign group number
  group_var[start_idx:end_idx] <- group_number 
  return(group_var)
}

group <- rep(NA, nrow(x))
group_number <- 1

while(sum(is.na(group[length(group)])) > 0){
  group <- assign_group(group, group_number)
  group_number <- group_number + 1
  print(group)
}
#>  [1]  1 NA NA NA NA NA NA NA NA NA NA NA NA
#>  [1]  1  2  2  2  2  2  2  2 NA NA NA NA NA
#>  [1]  1  2  2  2  2  2  2  2  3  3  3 NA NA
#>  [1] 1 2 2 2 2 2 2 2 3 3 3 4 4

x$group <- group
x
#>          date group
#> 1  2020-04-17     1
#> 2  2020-04-27     2
#> 3  2020-04-28     2
#> 4  2020-04-29     2
#> 5  2020-04-30     2
#> 6  2020-05-01     2
#> 7  2020-05-02     2
#> 8  2020-05-03     2
#> 9  2020-05-04     3
#> 10 2020-05-05     3
#> 11 2020-05-07     3
#> 12 2020-05-17     4
#> 13 2020-05-26     4

^{Создано 27.05.2020 с помощью пакета . (v0.3.0)}