如何在data frame中按指定时间段对date类日期列分组生成dod_group新列
R语言 Data Frame 日期分箱实现方案
首先给出可直接复现的测试数据构造代码,和你的示例结构完全对齐:
# 构造匹配示例的测试数据 df <- data.frame( date_of_delivery = as.Date(c("1984-02-03", "1997-08-01", "2007-04-25", "1999-04-05")) )
方案1:dplyr + lubridate 逻辑判断(最直观,新手不易踩坑)
直接对提取出的年份做区间匹配,逻辑完全可控,不会出现分箱边界错配的问题:
library(dplyr) library(lubridate) df <- df %>% mutate( dod_group = case_when( year(date_of_delivery) %in% 1980:1989 ~ "1980-1989", year(date_of_delivery) %in% 1990:1999 ~ "1990-1999", year(date_of_delivery) %in% 2000:2012 ~ "2000-2012" ) )
方案2:纯 Base R 实现(无需加载第三方包)
利用 cut 函数对日期向量做区间切分,需要注意调整区间的闭合逻辑,避免边界日期被错分:
df$dod_group <- cut( df$date_of_delivery, # 定义分箱的边界日期,覆盖全区间的年首尾 breaks = as.Date(c("1979-12-31", "1989-12-31", "1999-12-31", "2012-12-31")), # 对应三个分箱的标签 labels = c("1980-1989", "1990-1999", "2000-2012"), right = TRUE # 指定区间为左开右闭,保证1989-12-31、1999-12-31等年末日期被划入正确的分组 )
踩坑提醒:
cut函数默认采用左闭右开的区间规则,如果不手动设置right = TRUE,所有12月31日的边界日期都会被错分到下一个分组,属于非常常见的使用误区。
方案3:极简 Base R 快速实现
结合 findInterval 做位置匹配,代码量最少:
# 提取所有日期的年份值 yr <- lubridate::year(df$date_of_delivery) # 匹配对应分组标签 df$dod_group <- c("1980-1989", "1990-1999", "2000-2012")[findInterval(yr, c(1980, 1990, 2000))]
最终输出效果(和示例要求完全一致)
date_of_delivery dod_group 1 1984-02-03 1980-1989 2 1997-08-01 1990-1999 3 2007-04-25 2000-2012 4 1999-04-05 1990-1999
内容的提问来源于stack exchange,提问作者Annie Wright
相关产品推荐
相关产品推荐

