r - 合并具有重叠值的行

Question

我有一个 data.table每行都有 UniqueID，一个年龄列和 2 个年龄置信区间的列。我想要做的是合并具有重叠 CI 的行，因此返回的 CI 是重叠的最小值/最大值。

   ID   Age AgeMax AgeMin
1:  2 48073  49213  46933
2:  3 49002  49638  48366
3:  7 44297  44706  43888

此示例的返回结果将是:

ID  Age    AgeMax   AgeMin
2   48409   49638   46933
7   44297   44706   43888

由于 ID 2 和 3 在 AgeMax 和 AgeMin 中具有重叠值。 ID == 2 的 AgeMax 小于 ID == 3 的 AgeMax，但大于 ID == 3 的 AgeMin，因此它们重叠。 ID 7 不与其他行重叠，因此按原样返回。
我其实不介意什么 ID和 Age返回的是，只要它来自重叠 ID 之一的
我的尝试如下，但我没有得到正确的结果

library(data.table)
# sequence of years
step <- 10
window <- 30
startYear <- -60000+(0.5*window)
endYear <- 0-(0.5*window)
yrSeq <- abs(seq(startYear, endYear, step))

# Example DT
DT <- structure(list(ID = c(2L, 3L, 7L), Age = c(48073L, 49002L, 44297L
), AgeMax = c(49213L, 49638L, 44706L), AgeMin = c(46933L, 48366L, 
43888L)), row.names = c(NA, -3L), class = c("data.table", "data.frame"
))

# split into a list to expand the CI's
s <- split(DT, DT$ID)

# Expand the CI's, to the nearest year in the seq
# merge back into a DT
d_seq <- rbindlist(lapply(s, function(x) {
      data.table(ID = x$ID, Yr = yrSeq[between(yrSeq, x$AgeMin, x$AgeMax)])}))

# remove duplicated years and return min and max years for each ID
d_seq <- d_seq[!duplicated(d_seq$Yr),]
d_seq <- d_seq[, .(AgeMin = min(Yr), AgeMax = max(Yr)), by = ID]

# merge with the original DT and select columns
DT <- merge(DT, d_seq, by = "ID")
DT <- DT[, c(1,2,5,6)]

不幸的是，这不起作用，因为 ID == 3 正在返回，即使与 ID == 2 重叠(如上所示)，现在 ID == 2 的 AgeMin 和 AgeMax 不包括该 ID 的年龄!

   ID   Age AgeMin AgeMax
1:  2 48073    46935    49205
2:  3 49002    49215    49635
3:  7 44297    43895    44705

我确定我想多了，并且必须有一种简单的方法来返回我需要的东西，不幸的是我找不到任何解决方案。
我已经尝试修改示例 here和 here .
这是一个额外的例子 data.table测试。

testDT <- structure(list(ID = c(54L, 57L, 58L, 60L, 61L, 62L, 64L, 180L
), Age = c(14219L, 13989L, 13883L, 13482L, 13403L, 13383L, 13340L, 
13994L), AgeMax = c(14343L, 14087L, 13972L, 13540L, 13465L, 13442L, 
13407L, 14083L), AgeMin = c(14095L, 13891L, 13794L, 13424L, 13341L, 
13324L, 13273L, 13905L)), row.names = c(NA, -8L), class = c("data.table", 
"data.frame"))

Answer 1

这是一个 data.table解决方案

library(data.table)
setDT(testDT)

testDT[order(AgeMin)
      ][, .(AgeMin=min(AgeMin), AgeMax=max(AgeMax)),
       by=.(group=cumsum(c(1, tail(AgeMin, -1) > head(AgeMax, -1))))]
#>    group AgeMin AgeMax
#> 1:     1  13273  13540
#> 2:     2  13794  14087
#> 3:     3  14095  14343

此解决方案的关键是获取 group重叠的时期。
假设我们有两个范围 p1和 p2 .它们的起点和终点分别命名为 start1 , end1 , start2 ， end2 .
只有两个条件，其中 p1和 p2不是overalpping。

start1 > end2或

end1 < start2

因为我们已经订购了 Agemin升序，我们只需要考虑条件 1。
然后我们可以使用 cumsum获取组标识符。