让我首先提供示例数据集：
ID Start Code End Days
1 2016-03-01 A 2016-03-14 14
1 2016-03-01 A 2016-03-14 14
1 2016-03-01 B 2016-04-01 30
2 2016-02-01 A 2016-03-01 28
我想针对每个ID，并针对该组中的每个代码，检查End是否较大，并在下一行开始（如果df $ End [i]> df $ Start [i + 1] ]），如果是这样，请将下一行的i + 1更新为“结束”，然后重新计算结束（即开始+天）。结果应为：
ID Start Code End Days
1 2016-03-01 A 2016-03-14 14
1 2016-03-14 A 2016-03-28 14
1 2016-03-01 B 2016-04-01 30
2 2016-02-01 A 2016-03-01 28
然后，如果是ID和代码，则df $ End [i]-df $ Start [i + 1] <= 7之间的区别是，我想使用最小的df $ Start和此子集的最大df $ End。制作：
ID Start Code End Days
1 2016-03-01 A 2016-03-28 14
1 2016-03-01 B 2016-04-01 30
2 2016-02-01 A 2016-03-01 28
由于我的数据集超过1亿行，因此我想提供一种快速的解决方案。不幸的是，我对dplyr来说还很陌生，因此非常感谢您的帮助！
更新：较大示例：
ID Start Code End Days
1 2012-04-01 A 2012-04-07 7
1 2016-03-01 B 2016-03-15 15
1 2016-03-01 B 2016-05-29 90
1 2016-06-01 B 2016-08-29 90
1 2016-09-01 B 2016-11-29 90
1 2016-12-01 B 2017-02-28 90
1 2017-03-01 B 2017-05-09 90
1 2017-08-01 B 2017-10-29 90
1 2017-12-01 B 2018-02-28 90
2 2016-04-01 B 2016-04-14 14
结果是：
ID Start Code End
1 2012-04-01 A 2012-04-07
1 2016-03-01 B 2017-02-28
1 2017-03-01 B 2017-05-29
1 2018-08-01 B 2017-12-05
2 2016-04-01 B 2016-04-14
我希望将第2行与之合并。
我尝试的第一步：
grouped_df <-
df %>%
group_by(ID, Code) %>%
mutate_at(vars(Start, End), funs(as.Date)) %>%
mutate(new_start = as.Date(ifelse(lag(End > Start), lag(End), Start), origin="1970-01-01")) %>%
mutate（new_stop = new_disp +天数）
但是，如果已计算new_end，我们现在应该将new_end而不是End与new_start（而不是Start）进行比较。