我正在尝试确定客户在几年内使用医疗保健。数据:
Clientnumber Date start Date end
1 01-03-2017 31-10-2017
1 01-02-2018 07-08-2018
1 01-11-2018 01-03-2019
1 25-03-2019 01-07-2020
对于这个客户,我想知道他/她注册的独特年份。因此,结果应为:2017, 2018, 2019, 2020
并另外计算唯一年份:4
。
是否可以在Excel或R中做到这一点?
谢谢。
在R中,我们可以获取长格式的数据,将其转换为Date并提取Year。对于每个客户,我们可以创建一个逗号分隔的unique
Year
值和不同的Year
计数。
library(dplyr)
df %>%
tidyr::pivot_longer(cols = -Clientnumber) %>%
mutate(value = as.Date(value, "%d-%m-%Y"),
Year = format(value, "%Y")) %>%
group_by(Clientnumber) %>%
summarise(Un_year = toString(unique(Year)),
count = n_distinct(Year))
# Clientnumber Un_year count
# <int> <chr> <int>
#1 1 2017, 2018, 2019, 2020 4
dplyr
和purrr
一个选项可以是:
df %>%
group_by(Clientnumber) %>%
summarise(Years = map_chr(list(c(Date_start, Date_end)),
~ toString(unique(substr(., 7, 10)))))
Clientnumber Years
<int> <chr>
1 1 2017, 2018, 2019, 2020
[如果还要计数,请加上stringr
:
df %>%
group_by(Clientnumber) %>%
summarise(Years = map_chr(list(c(Date_start, Date_end)),
~ toString(unique(substr(., 7, 10)))),
n = str_count(Years, ",")+1)
Clientnumber Years n
<int> <chr> <dbl>
1 1 2017, 2018, 2019, 2020 4
如果情况稍微复杂一些,则意味着您希望从第一年到最后一年之间的所有年份,即使它们不在数据中:
df %>%
group_by(Clientnumber) %>%
summarise(Years = map_chr(list(c(Date_start, Date_end)),
~ toString(reduce(range(as.numeric(substr(., 7, 10))), `:`))),
n = str_count(Years, ",")+1)