Question

我正在尝试计算两个时间段之间的重叠天数。一个时期固定在开始日期和结束日期，另一个时期记录在数据框中作为开始日期和结束日期。

编辑：我正在处理具有发布日期（df $ start）和未发布日期（df $ end）的广告。我要找出的是他们在特定月份的上网天数（my.start = 2018-01-01，my.end = 2018-08-31）。

library(dplyr)
library(lubridate)

my.start <- ymd("2018-08-01")
my.end <- ymd("2018-08-31")

df <- data.frame(start = c("2018-07-15", "2018-07-20", "2018-08-15", "2018-08-20", "2018-09-01"), 
                 end   = c("2018-07-20", "2018-08-05", "2018-08-19", "2018-09-15", "2018-09-15"))

# strings to dates
df <- mutate(df, start = ymd(start), end = ymd(end))

# does not work - calculate overlap in days
df <- mutate(df, overlap = intersect(interval(my.start, my.end), interval(start, end)))

结果应为0、5、4、12、0天：

   my.start |-------------------------------| my.end

|-----| (0)
        |---------| (5)
                            |----| (4)
                                   |------------------| (12)
                                             |---------------| (0)

在Excel中，我将使用

=MAX(MIN(my.end, end) - MAX(my.start, start) + 1, 0)

但这也不起作用：

# does not work - calculate via min/max
df <- mutate(df, overlap = max(min(my.end, end) - max(my.start, start) + 1, 0))

在尝试使用日期上的as.numeric()使用Excel方法之前，我想知道是否有更聪明的方法来做到这一点。

编辑：实际上，Excel数值方法似乎也不起作用（所有结果均为零）：

# does not work - calculate via numeric

ms.num <- as.numeric(my.start)
me.num <- as.numeric(my.end)

df <- df %>% 
  mutate(s.num = as.numeric(start),
         e.num = as.numeric(end),

         overlap = max(min(e.num, me.num) - max(s.num, ms.num) + 1, 0))

编辑：@akrun的方法似乎适用于ymd日期。但是，它似乎在ymd_hms时间不起作用：

library(dplyr)
library(lubridate)
library(purrr)

my.start <- ymd("2018-08-01")
my.end <- ymd("2018-08-31")

df <- data.frame(start = c("2018-07-15 10:00:00", "2018-07-20 10:00:00", "2018-08-15 10:00:00", "2018-08-20 10:00:00", "2018-09-01 10:00:00"), 
                 end   = c("2018-07-20 10:00:00", "2018-08-05 10:00:00", "2018-08-19 10:00:00", "2018-09-15 10:00:00", "2018-09-15 10:00:00"))

# strings to dates
df <- mutate(df, start = ymd_hms(start), end = ymd_hms(end))

# leads to 0 results
df %>% mutate(overlap = map2(start, end, ~ sum(seq(.x, .y, by = '1 day') %in% seq(my.start, my.end, by = '1 day'))))

Answer 1

我认为您可能会遇到max和min与pmax和pmin的问题：

library(dplyr)

df %>%
  mutate(overlap = pmax(pmin(my.end, end) - pmax(my.start, start) + 1,0))

       start        end overlap
1 2018-07-15 2018-07-20  0 days
2 2018-07-20 2018-08-05  5 days
3 2018-08-15 2018-08-19  5 days
4 2018-08-20 2018-09-15 12 days
5 2018-09-01 2018-09-15  0 days

Answer 2

我们可以使用pmin/pmax来获得两组min/max中的vector

df %>% 
   mutate(overlap = ifelse(my.start > end, 0, pmin(my.end, end) - 
                                 pmax(my.start, start) + 1))
#       start        end overlap
#1 2018-07-15 2018-07-20   0
#2 2018-07-20 2018-08-05   5
#3 2018-08-15 2018-08-19   5
#4 2018-08-20 2018-09-15  12
#5 2018-09-01 2018-09-15   0

如果我们想使用与OP代码中相同的选项，即min/max，或者通过rowwise()或使用map2，我们将遍历行

library(purrr)
df %>% 
  mutate(overlap = map2_dbl(start, end, ~
        max( as.integer(min(my.end, .y) - max(my.start, .x) + 1), 0)))

注意到OP的实际数据具有时间成分。在这种情况下，可以通过转换为Date类

来更改上述解决方案

df %>% 
   mutate(overlap = map2_dbl(start, end, ~
     max(as.integer(min(my.end, as.Date(.y)) - max(my.start, as.Date(.x)) + 1), 0)))

R / lubridate：计算两个周期之间的重叠天数

2 个答案: