在R语言中当日期差超过7天时生成唯一ID

需求说明 #

• 遍历每一行数据，若当前行与上一行的日期差超过7天，则为当前行分配唯一ID；否则当前行与上一行使用相同ID，zipcode不影响ID生成。

提供的数据 #

z<- structure(list(zipcode = c(96717L, 96730L, 96825L, 96826L, 96720L, 
96756L, 96740L, 96819L, 96734L, 96740L, 96714L, 96714L, 96703L, 
90017L, 96796L, 96714L, 96714L, 96761L, 96712L, 96712L), date = structure(c(8809, 
8809, 8847, 8848, 8989, 9041, 9161, 9188, 9201, 9293, 9403, 9437, 
9437, 9437, 9437, 9443, 9444, 9457, 9457, 9483), class = "Date")), row.names = c(NA, 
-20L), class = c("data.table", "data.frame"))

自行尝试的代码（结果不符合预期） #

library(data.table)

z[,date:=as.Date(date)][,diff_days:=c(NA,diff.Date(date,lag=1L,differences=1L))][, event_id :=1:.N,.(diff_days<=7)]

期望输出 #

y<- structure(list(zipcode = c(96717, 96730, 96825, 96826, 96720, 
96756, 96740, 96819, 96734, 96740, 96714, 96714, 96703, 90017, 
96796, 96714, 96714, 96761, 96712, 96712), date = structure(c(761097600, 
761097600, 764380800, 764467200, 776649600, 781142400, 791510400, 
793843200, 794966400, 802915200, 812419200, 815356800, 815356800, 
815356800, 815356800, 815875200, 815961600, 817084800, 817084800, 
819331200), class = c("POSIXct", "POSIXt"), tzone = "UTC"), difference_date = c("NA", 
"0", "38", "1", "141", "52", "120", "27", "13", "92", "110", 
"34", "0", "0", "0", "6", "1", "13", "0", "26"), id = c(1, 1, 
2, 2, 3, 4, 5, 6, 8, 9, 10, 11, 11, 11, 11, 11, 11, 12, 12, 13
)), class = c("data.table", "data.frame"))

正确实现方法 #

原代码的问题在于分组逻辑错误：.(diff_days<=7)会把所有日期差≤7的行归为同一组，但实际需要的是连续的日期差≤7的行归为同一组，遇到日期差>7时开启新组。

可以通过生成分组标记并累加的方式实现需求：

library(data.table)

# 计算当前行与上一行的日期差
z[, diff_days := c(NA, diff(date))]
# 生成分组标记：第一行（NA）或日期差>7时标记为1，否则为0
z[, group_flag := as.integer(is.na(diff_days) | diff_days > 7)]
# 累加标记得到连续的分组ID
z[, id := cumsum(group_flag)]

# 可选：生成与期望输出一致的字符型difference_date列
z[, difference_date := as.character(diff_days)]
z[is.na(difference_date), difference_date := "NA"]

# 查看最终结果
z[]

该逻辑会在每一行需要开启新组时（第一行或日期差超7天）生成1，累加后得到连续的分组ID，完全匹配期望输出的ID规则。

内容的提问来源于stack exchange，提问作者laplaceable