如何在R中用tidyverse扩展日期并生成累加变量新列

需求说明 #

基于data_a中的variable_x数值，按照data_b定义的每个year+treat组合的日期范围，先扩展出区间内的所有日期，再计算对应variable_x的累加和（cumsum）。

错误代码与报错 #

用户尝试的代码无法运行：

outcome <- data_b %>%
  group_by(year, treat) %>%
  mutate(id = 1:nrow(.)) %>%
  rowwise() %>%
  do(data.frame(id=.$id, days=seq(.$start_date,.$end_date,by="days"))) %>%
  mutate(cumsum_x = cumsum(data_a$variable_x[data_a$date %within% interval(start_date, end_date)]))

报错信息：

Error in `mutate()`:
! Problem while computing `id = 1:nrow(.)`.
x `id` must be size 1, not 3.
ℹ The error occurred in group 1: year = "year2019", treat = "treatA".
Run `rlang::last_error()` to see where the error occurred.

错误原因 #

1. 冗余的分组ID生成：group_by(year, treat)后，每个分组仅对应data_b的一行数据，1:nrow(.)会生成长度为1的序列，但后续rowwise()与do()的组合打乱了分组逻辑，导致ID长度不匹配。
2. 累加和计算逻辑错误：直接通过data_a$variable_x[data_a$date %within% interval(start_date, end_date)]取整个区间的数值，未与扩展后的单个日期对应，导致长度不匹配。

正确解决方案 #

使用dplyr+lubridate+tidyr的组合，逻辑清晰且高效：

library(dplyr)
library(lubridate)
library(tidyr)

# 生成每个日期范围的所有日期，展开后连接数据并计算累加和
outcome <- data_b %>%
  # 为每个日期区间生成日期序列，存储为列表列
  mutate(days = map2(start_date, end_date, ~seq(.x, .y, by = "days"))) %>%
  # 展开列表列，将每个日期转为单独行
  unnest(days) %>%
  # 与data_a按日期关联，获取对应variable_x数值
  left_join(data_a, by = c("days" = "date")) %>%
  # 按year和treat分组，计算累加和
  group_by(year, treat) %>%
  mutate(cumsum_x = cumsum(variable_x)) %>%
  ungroup()

运行后得到的outcome会包含每个year+treat组合下的所有日期，以及对应的variable_x和累加和cumsum_x。

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