R房地产索引的重复广告

Question

我正在尝试生成类似价格指数的东西，但我正在努力做到这一点。我拥有的数据如下所示：

       ID     POSTED      START        END  PRICE
851073112 2020-06-13 2020-04-23 2020-10-31 150000
851073743 2020-05-28 2020-04-23 2020-05-30 17651
851073743 2020-04-30 2020-02-17 2020-05-30 18623
851073813 2020-04-30 2019-12-17 2020-05-30 15730
851073874 2020-04-30 2020-04-23 2020-10-18 45355
851073900 2020-04-30 2019-10-29 2020-05-30 20156
851073900 2020-05-28 2020-04-23 2020-05-30 15624
851073973 2020-04-30 2019-10-29 2020-05-30 45322

...

这些是当POSTED说的时候发布的房屋广告，START和END指的是网站算法将广告保持在线的日子。然而，如果有人改变了价格，它将显示为另一个观察结果(具有相同的ID)，就像ID = 851073743一样。我想创建一个月度指数，以便为2020-05个月，它计算的平均价格不仅在该月张贴的广告，但那些仍然活跃的时候。

所以我有两个问题:首先，我如何计算一个月内所有活跃广告的平均价格？第二，我如何处理我“重复”ID的事实？例如，我希望在2020-04索引中使用PRICE = 18623，但在ID = 851073743的2020-05索引中使用PRICE = 17651。

Answer 1

一种可能的解决方案是使用tidyverse包。

添加年/月索引

data_ym <- data %>%
   mutate(MONTH_YR = format(as.Date(POSTED), "%Y-%m"))

给定年份/月份的平均PRICE。

data_ym %>%
   group_by(MONTH_YR) %>%
   summarize(PRICE_AVE = mean(PRICE))

特定ID内给定年/月的平均PRICE

data_ym %>%
   group_by(MONTH_YR, ID) %>%
   summarize(PRICE_AVE = mean(PRICE))