如何按组计算相邻行End_Date与Start_Date的天数差？

需求说明：按ID分组，计算每组内下一行的Start_Date与上一行的End_Date的天数差，将结果存入新列Days_Difference，每组第一行该列值为NA。

输入数据示例 #

Start_Date   End_Date     ID   
2014-05-09   2015-05-08   01
2015-05-09   2016-05-08   01 
2016-05-11   2017-05-10   01
2017-05-11   2018-05-10   01
2016-08-29   2017-08-28   02
2017-08-29   2018-08-28   02

期望输出结果 #

Start_Date   End_Date     ID   Days_Difference 
2014-05-09   2015-05-08   01         NA
2015-05-09   2016-05-08   01         01
2016-05-11   2017-05-10   01         03
2017-05-11   2018-05-10   01         01
2016-08-29   2017-08-28   02         NA
2017-08-29   2018-08-28   02         01

1. tidyverse 解决方案 #

使用dplyr的分组和滞后函数实现，步骤清晰易读：

1. 将日期列转换为日期格式（确保时差计算有效）；
2. 按ID分组，用lag()获取上一行的End_Date；
3. 计算当前行Start_Date与上一行End_Date的差值，第一行自动返回NA。

library(tidyverse)

# 转换日期格式并计算天数差
df <- df %>%
  mutate(across(c(Start_Date, End_Date), as.Date)) %>%
  group_by(ID) %>%
  mutate(Days_Difference = as.integer(Start_Date - lag(End_Date))) %>%
  ungroup()

# 查看结果
print(df)

2. data.table 解决方案 #

利用data.table的高效分组和移位函数，适合处理大规模数据集：

1. 转换为data.table格式并处理日期列；
2. 按ID分组，用shift()获取上一行的End_Date；
3. 计算时差并赋值给新列。

library(data.table)

# 转换为data.table并处理日期
setDT(df)
df[, c("Start_Date", "End_Date") := lapply(.SD, as.Date), .SDcols = c("Start_Date", "End_Date")]
df[, Days_Difference := as.integer(Start_Date - shift(End_Date)), by = ID]

# 查看结果
print(df)

3. base R 解决方案 #

无需额外依赖包，通过拆分-处理-合并的流程实现：

1. 先转换日期列格式；
2. 按ID拆分数据框；
3. 对每个子集计算相邻行的时差；
4. 合并所有子集并重置行名。

# 转换日期格式
df$Start_Date <- as.Date(df$Start_Date)
df$End_Date <- as.Date(df$End_Date)

# 按ID拆分并处理每个子集
df_list <- split(df, df$ID)
df_list <- lapply(df_list, function(x) {
  x$Days_Difference <- c(NA, x$Start_Date[-1] - x$End_Date[-nrow(x)])
  x
})

# 合并结果
df_result <- do.call(rbind, df_list)
rownames(df_result) <- NULL

# 查看结果
print(df_result)

内容的提问来源于stack exchange，提问作者emp88