r - 按范围过滤一个数据框的有效方法

Question

假设我有一个数据框，其中包含一堆数据和一个日期/时间列，指示收集每个数据点的时间。我有另一个列出时间跨度的数据框，其中“开始”列表示每个跨度开始时的日期/时间，“结束”列表示每个跨度结束时的日期/时间。

我在下面使用简化数据创建了一个虚拟示例:

main_data = data.frame(Day=c(1:30))

spans_to_filter = 
    data.frame(Span_number = c(1:6),
               Start = c(2,7,1,15,12,23),
               End = c(5,10,4,18,15,26))

我尝试了几种解决这个问题的方法，最终得到了以下解决方案:

require(dplyr)    
filtered.main_data =
    main_data %>% 
    rowwise() %>% 
    mutate(present = any(Day >= spans_to_filter$Start & Day <= spans_to_filter$End)) %>% 
    filter(present) %>% 
    data.frame()

这工作得很好，但我注意到如果我有很多数据可能需要一段时间来处理(我假设是因为我正在执行逐行比较)。我仍在学习 R 的来龙去脉，我想知道是否有更有效的方法来执行此操作，最好使用 dplyr/tidyr？

Answer 1

在从 v1.9.8 开始的 data.table 包中，已经实现了非对等连接。有了这个，我创建了一个包装函数 inrange()对于这些类型的操作，任务涉及查找点是否位于提供的任何间隔内，如果是，则返回 TRUE , 否则 FALSE .

require(data.table) # v>=1.9.8
setDT(main_data)[Day %inrange% spans_to_filter[, 2:3]] # inclusive bounds
#     Day
#  1:   1
#  2:   2
#  3:   3
#  4:   4
#  5:   5
#  6:   7
#  7:   8
#  8:   9
#  9:  10
# 10:  12
# 11:  13
# 12:  14
# 13:  15
# 14:  16
# 15:  17
# 16:  18
# 17:  23
# 18:  24
# 19:  25
# 20:  26

见 ?inrange更多。