Znajdź najwcześniejszą i najpóźniejszą datę w każdym wierszu w R [duplicate]
Mam duży zestaw danych z ponad 400 kolumnami, które reprezentują określone elementy danych wejściowych użytkownika z platformy internetowej i czas, w którym nastąpiło każde wejście. Każdy wiersz reprezentuje identyfikator użytkownika.
200 z tych kolumn ma klasę „POSIXct” „POSIXt” (np. 2019-11-04 15:33:50) i mogą wystąpić brakujące wartości, ponieważ nie każdy element jest wyświetlany lub wypełniany przez każdego użytkownika.
Moim celem jest utworzenie dwóch dodatkowych kolumn zawierających najwcześniejszą i najpóźniejszą datę w każdym z tych 200 kolumn „POSIXct” „POSIXt”.
Tutaj uproszczony przykład ramy i jednej z pożądanych dodatkowych kolumn. (ID 4 to ktoś, kto nigdy nie zadał sobie trudu, aby otworzyć stronę, ale ma dane z innych źródeł danych i powinien na razie pozostać w zbiorze danych)
ID Other_columns date_column date_column2 date_column3 max_date (what I want)
1 "numeric" 2019-11-04 19:33:50 2019-11-05 15:33:50 2019-11-05 16:33:50 2019-11-05 16:33:50
2 "numeric" NA 2019-11-04 17:20:10 2019-11-09 19:12:50 2019-11-09 19:12:50
3 "numeric" 2019-11-07 20:33:50 NA 2019-11-04 18:31:50 2019-11-07 20:33:50
4 NA NA NA NA NA
Jak dotąd nie posunąłem się dalej, odfiltrowując inne kolumny nieaktualne
is.POSIXt <- function(x) inherits(x, "POSIXt")
df%>%select(where(is.POSIXt))
Zamiast wyboru prawdopodobnie powinienem użyć mutate_at lub czegoś innego jako warunku, ale jaki jest najlepszy sposób na sprawdzenie wszystkich pozostałych 200 kolumn daty / czasu, a następnie przypisanie najwcześniejszej / najpóźniejszej daty do nowo utworzonych kolumn (ignorując wartości).
Odpowiedzi
Możemy użyć pmax
i pmin
w kolumnach „data”, aby zwrócić najwcześniejszą i najpóźniejszą datę dla każdego wiersza
library(dplyr)
df %>%
mutate(max_date = do.call(pmax, c(select(., starts_with('date')), na.rm = TRUE)),
min_date = do.call(pmin, c(select(., starts_with('date')),
na.rm = TRUE)))
# ID Other_columns date_column date_column2 date_column3 max_date min_date
#1 1 numeric 2019-11-04 19:33:50 2019-11-05 15:33:50 2019-11-05 16:33:50 2019-11-05 16:33:50 2019-11-04 19:33:50
#2 2 numeric <NA> 2019-11-04 17:20:10 2019-11-09 19:12:50 2019-11-09 19:12:50 2019-11-04 17:20:10
#3 3 numeric 2019-11-07 20:33:50 <NA> 2019-11-04 18:31:50 2019-11-07 20:33:50 2019-11-04 18:31:50
#4 4 <NA> <NA> <NA> <NA> <NA> <NA>
Lub inna opcja rowwise
zc_across
df %>%
rowwise() %>%
mutate(max_date = max(as.POSIXct(c_across(starts_with('date'))),
na.rm = TRUE),
min_date = min(as.POSIXct(c_across(starts_with('date'))),
na.rm = TRUE))
-wynik
# A tibble: 4 x 7
# Rowwise:
# ID Other_columns date_column date_column2 date_column3 max_date min_date
# <int> <chr> <chr> <chr> <chr> <dttm> <dttm>
#1 1 numeric 2019-11-04 19:33:50 2019-11-05 15:33:50 2019-11-05 16:33:50 2019-11-05 16:33:50 2019-11-04 19:33:50
#2 2 numeric <NA> 2019-11-04 17:20:10 2019-11-09 19:12:50 2019-11-09 19:12:50 2019-11-04 17:20:10
#3 3 numeric 2019-11-07 20:33:50 <NA> 2019-11-04 18:31:50 2019-11-07 20:33:50 2019-11-04 18:31:50
#4 4 <NA> <NA> <NA> <NA> NA NA NA NA
dane
df <- structure(list(ID = 1:4, Other_columns = c("numeric", "numeric",
"numeric", NA), date_column = c("2019-11-04 19:33:50", NA, "2019-11-07 20:33:50",
NA), date_column2 = c("2019-11-05 15:33:50", "2019-11-04 17:20:10",
NA, NA), date_column3 = c("2019-11-05 16:33:50", "2019-11-09 19:12:50",
"2019-11-04 18:31:50", NA)), class = "data.frame", row.names = c(NA,
-4L))
Oto inne podejście, którego możesz użyć bez użycia żadnego pakietu.
Najpierw pobierz dane dla kolumn dat i na tej podstawie możesz użyć apply
funkcji w każdym wierszu, aby uzyskać odpowiednio maksymalną i minimalną wartość. Oto przykład:
df_date = df[, sapply(df, FUN = function(x) class(x)[1]) %in% c("POSIXct", "POSIXt")]
df$max = apply(df_date, 2, FUN = function(x) max(x, na.rm = TRUE) df$min = apply(df_date, 2, FUN = function(x) min(x, na.rm = TRUE)
Dane
structure(list(ID = 1:4, Other_columns = c("numeric", "numeric",
"numeric", NA), date_column = structure(c(1572876230, NA, 1573139030,
NA), class = c("POSIXct", "POSIXt"), tzone = ""), date_column2 = structure(c(1572948230,
1572868210, NA, NA), class = c("POSIXct", "POSIXt"), tzone = ""),
date_column3 = structure(c(1572951830, 1573306970, 1572872510,
NA), class = c("POSIXct", "POSIXt"), tzone = "")), class = "data.frame", row.names = c(NA,
-4L))