Question

我想获得许多（超过2个）间隔的并集：

df <- data.frame(id=c(1, 2, 3),
             interval=c(
               new_interval(ymd("2001-01-01"), ymd("2002-01-01")),
               new_interval(ymd("2001-01-01"), ymd("2004-01-01")),
               new_interval(ymd("2001-02-01"), ymd("2002-01-01"))
               ))
df
#   id                       interval
# 1  1 2001-01-01 UTC--2002-01-01 UTC
# 2  2 2001-01-01 UTC--2004-01-01 UTC
# 3  3 2001-02-01 UTC--2002-01-01 UTC

lubridate::union(lubridate::union(df$interval[1], df$interval[2]),
                 df$interval[3])
# [1] 2001-01-01 UTC--2004-01-01 UTC

这是正确的结果。

但为什么lubridate::union不适用于Reduce？

Reduce(lubridate::union, df$interval )
# [1] 31536000 94608000 28857600

对象似乎也被转换为数字太子（在应用union之前）。

与https://stackoverflow.com/questions/32909358/maintain-attributes-of-objects-of-class-lubridate-interval

相关

Answer 1

这不起作用的原因不是Reduce()。相反，它是as.list()，当提供的x参数不是开头的列表时，它应用于Reduce()内的x。相关的行是Reduce()中的第8行和第9行，如下所示。

head(Reduce, 9)
# ...                                                           
# 8      if (!is.vector(x) || is.object(x))                   
# 9          x <- as.list(x)

快速检查if()条件可以确认这一点。

!is.vector(df$interval) || is.object(df$interval)
# [1] TRUE

因此，在as.list()的通话中df$interval使用了Reduce()，这意味着df$interval成为

as.list(df$interval)
# [[1]]
# [1] 31536000
#
# [[2]]
# [1] 94608000
#
# [[3]]
# [1] 28857600

在Reduce()中发生任何重要操作之前（实际上这是我们目的最重要的操作）。这使得Reduce()输出合理;它返回所有三个，因为它们是唯一的。

如果您确实需要使用Reduce()，则可以绕过列表检查并首先使用for()循环构建您自己的列表（因为lapply()也不起作用）。然后我们可以将其提供给Reduce()并获得正确的所需输出。

x <- vector("list", length(df$interval))
for(i in seq_along(x)) x[[i]] <- df$interval[i]

Reduce(lubridate::union, x)
# [1] 2001-01-01 UTC--2004-01-01 UTC

但最好为 Interval 类编写as.list()方法并将其放在脚本的顶部。我们可以使用与上面相同的代码。

as.list.Interval <- function(x, ...) {
    out <- vector("list", length(x))
    for(i in seq_along(x)) out[[i]] <- x[i]
    out
}

Reduce(lubridate::union, df$interval)
# [1] 2001-01-01 UTC--2004-01-01 UTC

另请注意，您可以通过抓取起始位置并使用int_end()来执行此操作。

interval(min(slot(df$interval, "start")), max(int_end(df$interval)))
# [1] 2001-01-01 UTC--2004-01-01 UTC

Answer 2

我不知道Reduce案例，但我会这样做：

library(dplyr)
library(stringr)

df  %>% 
  mutate(interval = str_trim(str_replace_all(interval, "(--|UTC)", " ")),
         int_start = word(interval), 
         int_end = word(interval, -1)) %>% 
  summarise(interval = str_c(min(int_start), 
                             max(int_end), 
                             sep = "--"))
# result
                interval
1 2001-01-01--2004-01-01

Answer 3

它已在'f'包中解决 https://github.com/hadley/lubridate/issues/348

计算许多区间的并集

3 个答案: