在R中按日期范围创建虚拟变量

Question

我想要创建虚拟变量，这些变量根据日期范围来指示哪个产品版本是有效的，即在发布日期和后续版本发布日期之间，而不需要手动执行。我有几百个版本，有相应的发布日期和下一个版本发布的时间，我将合并/加入这个数据与购买数据框架。

目前，我有两个数据框架(版本和购买)如下所示：

View(Version)   
Type Version    Release_Date    Next_Release
A       1.2.3   2013-11-14     2014-01-11
B       1.3.1   2014-01-11     2014-02-20
A       1.5.1   2014-02-20     2014-03-08
A       1.5.2   2014-03-08     2014-04-06
B       1.5.3   2014-04-06     2014-04-12
A       1.5.4   2014-04-12     2014-04-15
B       1.5.5   2014-05-15     2014-05-20
B       1.6.1   2014-05-20     2014-06-26
A       1.6.2   2014-06-26     2014-07-14

View(Purchases)
TIMESTAMP   Amount 
2013-11-14   15.44
2013-11-14   13.39
2013-11-14   15.35
2013-11-15   86.43
2014-01-15   12.30
2014-01-17   23.55

我想为数据框架“购买”中的每个版本创建虚拟变量，根据该版本生效的日期范围。也就是说，如果购买的时间戳在该版本生效的日期范围内，则该版本假名=1否则为0。

View(Purchases)
TIMESTAMP   Amount Version_1.2.3  Version_1.3.1  ....
2013-11-14   15.44      1              0
2013-11-14   13.39      1              0
2013-11-14   15.35      1              0
2013-11-15   86.43      1              0
2014-01-15   12.30      0              1
2014-01-17   23.55      0              1 
....

提前感谢您的任何建议或帮助。

Answer 1

该任务可分为两个子任务：

1. 找到最新的Release_Date之前的TIMESTAMP购买，
2. 重塑从长到宽的格式。

为了找到最新的版本，data.table包提供了两种可能性，

滚动连接

library(data.table)
setDT(Version)
setDT(Purchases)

Version[Purchases, on = .(Release_Date = TIMESTAMP), roll = TRUE,
        .(TIMESTAMP = i.TIMESTAMP, Amount, Version)]

TIMESTAMP Amount Version 1: 2013-11-14 15.44 1.2.3 2: 2013-11-14 13.39 1.2.3 3: 2013-11-14 15.35 1.2.3 4: 2013-11-15 86.43 1.2.3 5: 2014-01-15 12.30 1.3.1 6: 2014-01-17 23.55 1.3.1

或者一个非马的加入。

Version[Purchases, on = .(Release_Date <= TIMESTAMP), mult = "last",
        .(TIMESTAMP = i.TIMESTAMP, Amount, Version)]

产生同样的结果。

为了进行重组，dcast()函数与length()一起用于聚合：

# rolling join
Version[Purchases, on = .(Release_Date = TIMESTAMP), roll = TRUE,
        .(TIMESTAMP = i.TIMESTAMP, Amount, Version)][
  , dcast(.SD, TIMESTAMP + Amount ~ Version, length)]

TIMESTAMP Amount 1.2.3 1.3.1 1: 2013-11-14 13.39 1 0 2: 2013-11-14 15.35 1 0 3: 2013-11-14 15.44 1 0 4: 2013-11-15 86.43 1 0 5: 2014-01-15 12.30 0 1 6: 2014-01-17 23.55 0 1

或者，如果这些列在重塑过程中被重命名

# non-equi join
Version[Purchases, on = .(Release_Date <= TIMESTAMP), mult = "last",
        .(TIMESTAMP = i.TIMESTAMP, Amount, Version)][
  , dcast(.SD, TIMESTAMP + Amount ~ paste0("Version_", Version), length)]

TIMESTAMP Amount Version\_1.2.3 Version\_1.3.1 1: 2013-11-14 13.39 1 0 2: 2013-11-14 15.35 1 0 3: 2013-11-14 15.44 1 0 4: 2013-11-15 86.43 1 0 5: 2014-01-15 12.30 0 1 6: 2014-01-17 23.55 0 1