r - 标记多个日期范围内的日期

Question

我正在尝试标记属于不同表格中多个范围内的所有日期。

events 表以及其他变量包含事件的 start_date 和 end_date:

events <- tibble(
  name = c("Event A", "Event B"),
  start_date = as.Date(c("2021-10-17", "2021-02-19")),
  end_date = as.Date(c("2021-10-19", "2021-02-10"))
)

date_info 表包含该日期所有日期的长格式的日期、统计 和值 信息。年份:

date_info <- tibble(
  date = as.Date(c("2021-10-16", "2021-10-16", "2021-10-17", "2021-10-17")),
  statistic = c("var1", "var2", "var1", "var2"),
  value = c(10, 54, 23, 34)
)

我需要在 date_info 中创建一个新列来标记属于事件的任何日期范围内的日期。

我已经尝试了下面的方法，但它仅在 events 中有一个事件时才有效

library(tidyverse)

date_info %>% 
  mutate(in_range = if_else(date < events$start_date | date > events$end_date, FALSE, TRUE))

我考虑过在 events 中创建一个 date_range 向量，以便可以使用下面的代码来标记日期:

library(tidyverse)

date_info %>%
mutate(in_range = if_else(date %in% events$date_range, TRUE, FALSE))

但是我不确定这是最好的方法。此外，我不确定如何获取这样的日期范围，因为 seq() 适用于单个开始/结束日期对而不是向量。

Answer 1

这可以通过基于范围的连接或非等值连接来完成。不幸的是，仅 dplyr 无法做到这一点，但以下之一应该可以正常工作。

下面的代码将特定的 events$name 分配给每一行，而不仅仅是“在范围内”指示符。使用 in_range = !is.na(name) 或类似的方法来简化它并不难。

模糊连接

# library(fuzzyjoin)
date_info %>%
  fuzzyjoin::fuzzy_left_join(events,
    by = c(date = "start_date", date = "end_date"),
    match_fun = list(`>=`, `<=`))
# # A tibble: 4 x 6
#   date       statistic value name    start_date end_date  
#   <date>     <chr>     <dbl> <chr>   <date>     <date>    
# 1 2021-10-16 var1         10 NA      NA         NA        
# 2 2021-10-16 var2         54 NA      NA         NA        
# 3 2021-10-17 var1         23 Event A 2021-10-17 2021-10-19
# 4 2021-10-17 var2         34 Event A 2021-10-17 2021-10-19

sqldf

# library(sqldf)
sqldf::sqldf("
  select t1.*, t2.name
  from date_info t1
    left join events t2 on t1.date between t2.start_date and t2.end_date")
#         date statistic value    name
# 1 2021-10-16      var1    10    <NA>
# 2 2021-10-16      var2    54    <NA>
# 3 2021-10-17      var1    23 Event A
# 4 2021-10-17      var2    34 Event A

数据表

library(data.table)
date_info_DT <- as.data.table(date_info)
events_DT <- as.data.table(events)
date_info_DT[events_DT, name := i.name,
             on = .(date >= start_date, date <= end_date)][]
#          date statistic value    name
#        <Date>    <char> <num>  <char>
# 1: 2021-10-16      var1    10    <NA>
# 2: 2021-10-16      var2    54    <NA>
# 3: 2021-10-17      var1    23 Event A
# 4: 2021-10-17      var2    34 Event A

(还有 data.table::foverlaps，它需要对第二个 data.table 进行key编辑。)

另一个选项，更简单一点(不需要类更改):

date_info %>%
  mutate(in_range = data.table::inrange(date, events$start_date, events$end_date))
# # A tibble: 4 x 4
#   date       statistic value in_range
#   <date>     <chr>     <dbl>    <lgl>
# 1 2021-10-16 var1         10    FALSE
# 2 2021-10-16 var2         54    FALSE
# 3 2021-10-17 var1         23     TRUE 
# 4 2021-10-17 var2         34     TRUE