在R中构造时间戳数据的每月快照

如何解决在R中构造时间戳数据的每月快照

我遇到的一个小问题。理想的示例在这里：

我有一个数据框，用于记录对保险单value进行更改的日期。看起来像这样：

df <- data.frame(policy_no  = c(1,1,2,2),date_stamp = as.Date(c("2020-01-15","2020-04-03","2020-05-31","2020-07-22","2020-01-05","2020-03-17","2020-06-04" )),value      = c(1000,2000,3000,500,1000,500))

我有两个策略，policy_no 1和2。对于每个策略，我想写一点代码来告诉我value项自第一天起的状态每个月。所以我的输出看起来像

df_output <- data.frame(policy_no =  c(rep(1,8),rep(2,8)),as_at_date = c(seq(as.Date("2020-01-01"),by = "month",length.out = 8),seq(as.Date("2020-01-01"),length.out = 8)),value = c(NA,NA,500))

很明显，我可以编写一个循环来执行此操作（对于每个policy_no，每个as_at_date，请给我value以获取最近的快照，其中date_stamp <= as_at_date）但这会很慢且笨拙。我可以通过某种方式对此进行矢量化吗？

基于

tidyverse的方法尤其受到欢迎，但无论如何，感谢任何建议。

非常感谢。

解决方法

这是一种方法。首先，为每个策略创建一个月度日期序列。然后，//sales of user object = Calculate.new(user) object.total_sales //sales of admin object = Calculate.new(admin) object.total_sales 同时使用政策和每月日期，并仅过滤日期戳之后的那些每月日期。最后，使用group_by获取包含最新值的最后一行数据。让我知道这是否是您的想法。

slice

如果您想在1月加入library(tidyverse) library(lubridate) df %>% group_by(policy_no) %>% mutate(as_at_date = list(seq(floor_date(min(date_stamp),unit = "month"),ceiling_date(max(date_stamp),by = "month"))) %>% unnest(cols = as_at_date) %>% group_by(policy_no,as_at_date) %>% filter(as_at_date > date_stamp) %>% slice(tail(row_number(),1)) ，则可以加入日期序列，因此将包括所有月份：

NA

输出

df_dates <- df %>%
  group_by(policy_no) %>%
  mutate(as_at_date = list(seq(floor_date(min(date_stamp),by = "month"))) %>%
  unnest(cols = as_at_date) 

df_dates %>%
  group_by(policy_no,1)) %>%
  right_join(df_dates %>% select(policy_no,as_at_date) %>% distinct()) %>%
  arrange(policy_no,as_at_date) 

,

编辑：更新了按政策和月份对df进行排序 请在下面找到解决方案：

df <- data.frame(policy_no  = c(1,1,2,1),date_stamp = as.Date(c("2020-01-15","2020-04-03","2020-05-31","2020-07-22","2020-01-05","2020-03-17","2020-06-04","2020-03-01","2020-02-01","2020-01-01","2020-01-01" )),value      = c(1000,2000,3000,500,1000,500))
df$date <- format(as.Date(df$date_stamp,format="%Y-%m-%d"),format = "%d")
df$month <- format(as.Date(df$date_stamp,format = "%m")

df_temp <- df[df$date == "01",]
df_temp <- df_temp[order(df_temp$policy_no,df_temp$month),1:3]