如何通过ID中的R

计算日期之间的平均差异我有数据集像下面，我想计算每个唯一ID如何通过ID中的R

data: 
    membership_id created_date 
1  12000000 2015-01-20 
2  12000001 2012-11-19 
3  12000001 2013-10-07 
4  12000001 2014-03-06 
5  12000001 2015-01-14 
6  12000003 2013-02-08 
7  12000003 2014-03-06 
8  12000000 2014-02-05 
9  12000000 2012-01-06

的平均时间差从上面的数据集我想计算日期之间的平均时间差为每一个独特的ID

尝试：

library(plyr) 
data =data[order(data$membership_id,data$created_date),] 
result = ddply(data,.(membership_id),summarize, avg = as.numeric(mean(diff(created_date))))

上面的代码工作正常，当我在小数据应用，但我的数据集是5万狮子行，它正在采取大量的时间和它仍然是从最后6小时

预期输出运行：

membership_id avg_time_diff 
1 12000000  76 days 
2 12000001  56 days 
3 12000003  54 days

来源

2015-11-30 surendra

请使用'dput'把你的数据的可重复子集在您的文章。 –

您可能会考虑切换到data.table，在这些情况下速度要快很多。 – Heroka

您的期望输出似乎不符合您的示例输入。例如，ID“12000000”有3次观察，大约2年和1年，所以它的平均差异达到了555天。 – Gregor

从plyr来了，你或许可以转换很容易dplyr。它不会像数据表一样快，但它会比ddply快多。

dat %>% group_by(membership_id) %>% 
    arrange(created_date) %>% 
    summarize(avg = as.numeric(mean(diff(created_date)))) 
# Source: local data frame [3 x 2] 
# 
# membership_id avg 
#   (int) (dbl) 
# 1  12000000 555 
# 2  12000001 262 
# 3  12000003 391

没有任何更多的真正的努力，你甚至可以通过更多转换为data.table对象加快速度，但仍然使用dplyr命令。纯data.table仍然会更快。

（使用此数据）

dat = structure(list(membership_id = c(12000000L, 12000001L, 12000001L, 
12000001L, 12000001L, 12000003L, 12000003L, 12000000L, 12000000L 
), created_date = structure(c(16455, 15663, 15985, 16135, 16449, 
15744, 16135, 16106, 15345), class = "Date")), .Names = c("membership_id", 
"created_date"), row.names = c("1", "2", "3", "4", "5", "6", 
"7", "8", "9"), class = "data.frame")

来源

2015-11-30 20:59:36 Gregor

如何通过ID中的R

回答

相关问题