如何用data.table按ID统计当前行日期之前的同ID条目数

这个需求很常见，用data.table可以非常高效地实现，不用复杂的循环或者额外的排序操作，步骤如下：

步骤1：确保日期列是正确的日期类型 #

首先必须把你的Date列从字符串转换成R的日期对象，否则直接比较字符串会得到错误的结果（比如"3/4/10"会被错误判定为比"1/2/10"小）。

步骤2：分组计算排名并生成统计列 #

我们可以用frank()函数（data.table内置的排名函数），在每个ID组内对日期进行升序排名，排名值减1就是当前行之前、同ID且日期更早的条目数量——因为排名第n的日期，前面有n-1个比它小的日期。

完整代码 #

library(data.table)

# 如果你的数据还不是data.table格式，先转换
setDT(dataset1)

# 把字符串日期转为日期对象，注意格式和你的数据匹配（这里是月/日/年）
dataset1[, Date := as.Date(Date, format = "%m/%d/%y")]

# 按ID分组，计算统计结果
dataset1[, 统计结果 := frank(Date, ties.method = "dense") - 1, by = ID]

验证示例 #

用你给出的输入数据测试：

# 构造输入数据
dataset1 <- data.table(
  ID = c(1, 1, 1, 2, 2),
  Date = c("3/4/10", "3/6/10", "1/2/10", "5/5/10", "5/6/10")
)

# 运行上述代码后输出：
   ID       Date 统计结果
1:  1 2010-03-04       1
2:  1 2010-03-06       2
3:  1 2010-01-02       0
4:  2 2010-05-05       0
5:  2 2010-05-06       1

完全符合你期望的输出结果。

注意事项 #

• 如果你的数据中有相同ID且相同日期的行，ties.method = "dense"会给它们分配相同的排名，减1后得到的是比该日期早的条目数（相同日期的不会被统计进去，符合你“日期小于当前行”的要求）。
• 如果需要包含等于当前日期的条目，可以把排名直接作为统计结果（去掉减1），但根据你的需求，目前的写法是正确的。

内容的提问来源于stack exchange，提问作者Shigaell