如何平整/合并重叠时间段
我有大量的时间段数据集，由“开始”和“结束”列定义。有些时期重叠。
我想合并(扁平/合并/折叠)所有重叠的时间段，使之有一个“开始”值和一个“结束”值。
一些示例数据：
ID start end
1 A 2013-01-01 2013-01-05
2 A 2013-01-01 2013-01-05
3 A 2013-01-02 2013-01-03
4 A 2013-01-04 2013-01-06
5 A 2013-01-07 2013-01-09
6 A 2013-01-08 2013-01-11
7 A 2013-01-12 2013-01-15预期结果：
ID start end
1 A 2013-01-01 2013-01-06
2 A 2013-01-07 2013-01-11
3 A 2013-01-12 2013-01-15我试过的是：
require(dplyr)
data <- structure(list(ID = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L), class = "factor", .Label = "A"),
start = structure(c(1356998400, 1356998400, 1357084800, 1357257600,
1357516800, 1357603200, 1357948800), tzone = "UTC", class = c("POSIXct",
"POSIXt")), end = structure(c(1357344000, 1357344000, 1357171200,
1357430400, 1357689600, 1357862400, 1358208000), tzone = "UTC", class = c("POSIXct",
"POSIXt"))), .Names = c("ID", "start", "end"), row.names = c(NA,
-7L), class = "data.frame")
remove.overlaps <- function(data){
data2 <- data
for ( i in 1:length(unique(data$start))) {
x3 <- filter(data2, start>=data$start[i] & start<=data$end[i])
x4 <- x3[1,]
x4$end <- max(x3$end)
data2 <- filter(data2, start<data$start[i] | start>data$end[i])
data2 <- rbind(data2,x4)
}
data2 <- na.omit(data2)}
data <- remove.overlaps(data)回答 4
Stack Overflow用户
发布于 2015-03-09 09:31:16
这是一个可能的解决方案。这里的基本思想是使用start函数将滞后的cummax日期与最大结束日期“到目前为止”进行比较，并创建将数据分成组的索引。
data %>%
arrange(ID, start) %>% # as suggested by @Jonno in case the data is unsorted
group_by(ID) %>%
mutate(indx = c(0, cumsum(as.numeric(lead(start)) >
cummax(as.numeric(end)))[-n()])) %>%
group_by(ID, indx) %>%
summarise(start = first(start), end = last(end))
# Source: local data frame [3 x 4]
# Groups: ID
#
# ID indx start end
# 1 A 0 2013-01-01 2013-01-06
# 2 A 1 2013-01-07 2013-01-11
# 3 A 2 2013-01-12 2013-01-15Stack Overflow用户
发布于 2017-11-16 19:32:37
@David的回答很棒--但我遇到了一个问题，即一个较早的间隔在一个较晚的间隔之后结束--但是在summarise调用中使用summarise会导致错误的结束日期。我建议把first(start)和last(end)改成min(start)和max(end)
data %>%
group_by(ID) %>%
mutate(indx = c(0, cumsum(as.numeric(lead(start)) >
cummax(as.numeric(end)))[-n()])) %>%
group_by(ID, indx) %>%
summarise(start = min(start), end = max(end))此外，正如@Jonno所提到的，在应用该方法之前，通过start和任何分组变量进行排序非常重要。
Stack Overflow用户
发布于 2017-11-20 10:53:04
为了完整起见，生物导体封装有一些简洁的函数，可以用来处理日期或日期的时间范围。其中一个是reduce()函数，它合并重叠或相邻的范围。
但是，有一个缺点，因为IRanges工作在整数范围(因此名)，所以使用IRanges函数的方便是以牺牲Date或POSIXct对象之间的相互转换为代价的。
而且，似乎dplyr和IRanges打得不好(至少从我在dplyr方面的有限经验来看)，所以我使用了data.table
library(data.table)
options(datatable.print.class = TRUE)
library(IRanges)
library(lubridate)
setDT(data)[, {
ir <- reduce(IRanges(as.numeric(start), as.numeric(end)))
.(start = as_datetime(start(ir)), end = as_datetime(end(ir)))
}, by = ID]ID start end <fctr> <POSc> <POSc> 1: A 2013-01-01 2013-01-06 2: A 2013-01-07 2013-01-11 3: A 2013-01-12 2013-01-15
代码变体是
setDT(data)[, as.data.table(reduce(IRanges(as.numeric(start), as.numeric(end))))[
, lapply(.SD, as_datetime), .SDcols = -"width"],
by = ID]在这两个变体中，都使用来自lubridate包的lubridate，这将在将数字转换为POSIXct对象时指定原点。
看到IRanges方法与大卫的回答之间的基准比较会很有趣。
https://stackoverflow.com/questions/28938147
复制相似问题
腾讯云开发者
