Отфильтровать одну строку каждый год

Question

Я пытаюсь отфильтровать список дат, включая даты только один раз в год, который сбрасывается на каждую дату включения.

В таблице ниже я хотел бы отфильтровать строки, где include=1 (для этого примера я создал столбец include вручную). Если вы посмотрите внимательно:

• id=10 включен, потому что это больше, чем через год после того, как id=1, где id=9 еще не.
• id=22 в комплекте, потому что это больше, чем через год после id=10, где id=21 еще нет.

Таблица, отсортировано по возрастанию по testdate очевидно:

| id | testdate | include | 
| |   |   | 
| |   | (I want | 
| |   | this | 
| |   | column) | 
|:--:|:----------:|:-------:| 
| 1 | 2008-02-26 | 1* | 
| 2 | 2008-03-07 | 0 | 
| 3 | 2008-04-03 | 0 | 
| 4 | 2008-04-25 | 0 | 
| 5 | 2008-07-23 | 0 | 
| 6 | 2008-10-09 | 0 | 
| 7 | 2008-10-28 | 0 | 
| 8 | 2009-01-14 | 0 | 
| 9 | 2009-01-28 | 0 | 
| 10 | 2009-05-19 | 1* | 
| 11 | 2009-06-05 | 0 | 
| 12 | 2009-06-05 | 0 | 
| 13 | 2009-06-26 | 0 | 
| 14 | 2009-07-15 | 0 | 
| 15 | 2009-07-15 | 0 | 
| 16 | 2009-08-18 | 0 | 
| 17 | 2009-08-18 | 0 | 
| 18 | 2009-09-08 | 0 | 
| 19 | 2009-09-25 | 0 | 
| 20 | 2010-03-19 | 0 | 
| 21 | 2010-04-06 | 0 | 
| 22 | 2010-06-30 | 1* | 
| 23 | 2010-10-07 | 0 | 
| 24 | 2010-10-21 | 0 | 
| 25 | 2010-10-30 | 0 | 
| 26 | 2010-12-10 | 0 | 
| 27 | 2011-03-04 | 0 | 
| 28 | 2011-05-11 | 0 | 
| 29 | 2012-03-08 | 1* | 
| 30 | 2012-03-23 | 0 | 
| 31 | 2012-09-13 | 0 | 
| 32 | 2013-03-21 | 1* | 
| 33 | 2014-10-08 | 1* | 
----------------------------- 

То, что я пытался с dplyr библиотеки:

# calculate interval 
mutate(interval = as.double(difftime(testdate,lag(testdate), units = 'days'))) %>% 
# accumulate interval in days 
mutate(interval_cum = if_else(is.na(interval), -1, interval + lag(interval))) %>% 
mutate(interval_cum2 = if_else(lag(interval) > 365, 0, interval_cum)) %>% 
# filter out first row and all relevant accumulated intervals 
mutate(include = if_else(row_number(testdate) == 1 | interval > 365 | interval_cum == -1 | interval_cum2 > 365, 1, 0, 0)) 

Но это будет не хватать идентификаторами 10, 22 и 32, потому что Я не могу перебирать несколько строк. Кто-нибудь знает действительный способ R для этого?

---

Сырье входных данных для R:

structure(list(testdate = structure(c(13935, 13945, 13972, 13994, 
14083, 14161, 14180, 14258, 14272, 14383, 14400, 14400, 14421, 
14440, 14440, 14474, 14474, 14495, 14512, 14687, 14705, 14790, 
14889, 14903, 14912, 14953, 15037, 15105, 15407, 15422, 15596, 
15785, 16351), class = "Date"), include = c(1, 0, 0, 0, 0, 0, 
0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 
0, 1, 0, 0, 1, 1)), .Names = c("testdate", "include"), row.names = c(NA, 
-33L), class = c("tbl_df", "tbl", "data.frame")) 

Answer 1

#Calculate difference in days between rows 
difference = df$testdate - df$testdate[1] 

#First values >365 signifies start of a new year. 
#For other values subtract the first greatest value which is greater than 365 
#Repeat until all values are less than 365 
while (max(difference) > 365){ 
difference[which(difference > 365)] = difference[which(difference > 365)] - difference[which(difference > 365)][1] 
} 

#0 value in difference are the indices you want to extract from df 
df[difference == 0,] 

или использовать пользовательскую функцию как это

identify_new_year = function(x){ 
    indices = integer(0) 
    start = x[1] 
    ind = 1 
    indices[ind] = ind 
    for (i in 2:length(x)){ 
     if (as.numeric(x[i] - start >= 365)){ 
      ind = ind + 1 
      indices[ind] = i 
      start = x[i] 
     } 
    } 
    return(indices) 
} 

identify_new_year(df$testdate) 
#[1] 1 10 22 29 32 33 

Answer 2

дата_начала будет содержать вектор даты, чтобы включить после цикла:

start_date <- datum$testdate[1] 
for (x in datum$testdate) { 
    check_new <- (start_date[length(start_date)] + 365) 
    if (x > check_new) { 
    start_date <- c(start_date, x) 
    } 
}