Question

我有一个包含2列开始日期和2列结束日期的数据框。我想计算两组系列之间重叠日期的数量（即，start2 / end2系列中有多少天属于start1 / end1（如＆＃34;输出＆＃34;列中所示））。

      start1       end1     start2       end2 output
 2011-02-10 2011-02-11 2011-02-10 2011-02-10      1
 2009-07-25 2009-07-27 2009-07-26 2009-07-27      2
 2007-12-02 2007-12-07 2007-12-08 2007-12-10      0

start1 <- as.Date(c("2011-02-10", "2009-07-25", "2007-12-02"))
end1 <- as.Date(c("2011-02-11", "2009-07-27", "2007-12-07")) 
start2 <- as.Date(c("2011-02-10", "2009-07-26", "2007-12-08"))
end2 <- as.Date(c("2011-02-10", "2009-07-27", "2007-12-10"))

my.dat <- data.frame(start1,end1,start2,end2)

我应该在这里使用一个排序列表，以便为seq.Date提供起始值和结束值的向量，但我似乎无法让它工作。相反，我的非列表方法产生的错误是＆＃34;来自＆＃34;参数应该等于1（因为它不能处理开始日期的向量）。

my.dat$output <- length(seq(my.dat$start1,my.dat$end1,by=1) %in% seq(my.dat$start2,my.dat$end2,by=1))

关于在SO上匹配日期的讨论很多，但我似乎无法将其中任何一个转换为多列日期。

谢谢！

Answer 1

使用data.table：

library(data.table)
setDT(my.dat)[,output:=pmin(end2,end1)-pmax(start2,start1)+1]

       start1       end1     start2       end2 output
1: 2011-02-10 2011-02-11 2011-02-10 2011-02-10 1 days
2: 2009-07-25 2009-07-27 2009-07-26 2009-07-27 2 days
3: 2007-12-02 2007-12-07 2007-12-08 2007-12-10 0 days
4: 2007-12-02 2007-12-07 2007-11-01 2007-12-01 0 days

可以通过在:=中包装as.integer的RHS来转换为整数。

Answer 2

当然，我在发布后就知道了。但我很好奇其他人是否有更优雅的解决方案。这是我的：

apply(my.dat[,c("start1","end1","start2","end2")],1,function(x)length((seq.Date(as.Date(x[1]),as.Date(x[2]),by=1) %in% (seq.Date(as.Date(x[3]),as.Date(x[4]),by=1)))))

比较数据框内日期序列中的重叠

2 个答案: