如何使用 data.table 和 lubridate 检查多个日期是否在一个区间内？

Question

我有一个 data.table 有几列日期， 和两列定义一个区间。 我想检查是否有任何日期在该间隔内。

这是一个只有三列日期的玩具示例。

DT <- data.table(d1=dmy(c("1-1-2019", "2-2-2019")), 
    d2=dmy(c("1-3-2019", "2-2-2022")), 
    d3=dmy(c("1-1-2020", "2-2-2021")),
    initial=dmy(c("1-1-2020","5-5-2022")), 
    final=dmy(c("1-3-2020","1-1-2023")))

         d1         d2         d3    initial      final
 2019-01-01 2019-03-01 2020-01-01 2020-01-01 2020-03-01
 2019-02-02 2022-02-02 2021-02-02 2022-05-05 2023-01-01

我可以这样做：（它也可以用于过滤而不是创建新列）

DT[,new:=(d1 >= initial & d1 <= final) | (d2 >= initial & d2 <= final) | 
   (d3 >= initial & d3 <= final)]

但这很长，特别是如果我有超过三列。

我试过这个精简版

DT[,any( c(d1,d2,d3 ) %within% interval(initial, final))]

但它似乎不起作用。

我能做到的最简单的方法是什么？
也欢迎使用其他软件包的任何解决方案

Answer 1

它不是矢量化的。所以，我们可以使用 group by 与行序列

DT[, new := any( c(d1,d2,d3 ) %within% interval(initial, final)),
      by = 1:nrow(DT)]

-输出

DT
#           d1         d2         d3    initial      final   new
#1: 2019-01-01 2019-03-01 2020-01-01 2020-01-01 2020-03-01  TRUE
#2: 2019-02-02 2022-02-02 2021-02-02 2022-05-05 2023-01-01 FALSE

---

或向量化函数

DT[, new := Reduce(`|`, lapply(.SD, function(x) x >= initial & 
    x <= final)),.SDcols = patterns('^d\\d+$')]
DT
#          d1         d2         d3    initial      final   new
#1: 2019-01-01 2019-03-01 2020-01-01 2020-01-01 2020-03-01  TRUE
#2: 2019-02-02 2022-02-02 2021-02-02 2022-05-05 2023-01-01 FALSE

Answer 2

另一种选择：

DT[, new := rowSums(sapply(.SD, between, initial, final)) > 0,
   .SDcols = c("d1", "d2", "d3")]
DT
#            d1         d2         d3    initial      final    new
#        <Date>     <Date>     <Date>     <Date>     <Date> <lgcl>
# 1: 2019-01-01 2019-03-01 2020-01-01 2020-01-01 2020-03-01   TRUE
# 2: 2019-02-02 2022-02-02 2021-02-02 2022-05-05 2023-01-01  FALSE

确保你使用的是data.table::between ...如果你和dplyr::between有冲突，后者会抱怨（因为它要求它的下限/上限长度为1）。

这个答案既是矢量化的，又与任意数量的列一样有效。也就是说，它会为每个列（矢量化）调用一次between，而不管列数如何，只调用一次rowSums。 （另外，rowSums(.) 通常比 apply(., 1, any) 或类似的规范 R 方法更快。）