使用 data.table 查找重叠区间组答案

【问题标题】：Find groups of overlapping intervals with data.table使用 data.table 查找重叠区间组
【发布时间】：2020-01-28 20:50:36
【问题描述】：

我有多个区间，需要找出哪些区间会形成一个连续的组。

在这个 MWE 中，我有 Interval.id、Interval.start 和 Interval.end。我想计算 Wanted.column。

DT <- data.table(Interval.id=c(1L, 2L, 3L, 4L, 5L, 6L),
                 Interval.start=c(2.0, 3.0, 4.0, 4.6, 4.7, 5.5),
                 Interval.end=c(4.5, 3.5, 4.8, 5.0, 4.9, 8.0),
                 Wanted.column=c(1L, 1L, 1L, 1L, 1L, 2L))

我想foverlaps 是这里的朋友，但我不知道怎么做。

Wanted.column 如何计算？

【问题讨论】：

如何定义连续组？能详细说明一下你是如何实现通缉的吗？无法立即看到序列。
不知道怎么说，但如果区间A与B相交，C与B相交，那么A,B,C是同一组。即使 A 和 C 不相交。
另请参阅：stackoverflow.com/questions/55836442/… 鉴于此答案要求的拆分数据，通过比较区间结束与后续区间开始（例如使用 data.table::shift）来找到联合应该是微不足道的

标签： r data.table

【解决方案1】：

DT[ , g := cumsum(
  cummax(shift(Interval.end, fill = Interval.end[1])) < Interval.start) + 1]

#    Interval.id Interval.start Interval.end Wanted.column   g
# 1:           1            2.0          4.5             1   1
# 2:           2            3.0          3.5             1   1
# 3:           3            4.0          4.8             1   1
# 4:           4            4.6          5.0             1   1
# 5:           5            4.7          4.9             1   1
# 6:           6            5.5          8.0             2   2

【讨论】：

【解决方案2】：

您可以先创建一个具有唯一/分组间隔的 data.table，然后使用foverlaps() 执行连接。 main-interval data.table 可以使用intervals-package 创建。使用interval_union()-函数将区间“合并”成不重叠的惰性值。

#use the intervals-package to create the "main" unique intervals
library( intervals )
DT.int <- as.data.table(
  intervals::interval_union( 
    intervals::Intervals( as.matrix( DT[, 2:3] ) ) , 
    check_valid = TRUE ) )
#set names
setnames( DT.int, names(DT.int), c("start", "end" ) )
#set group_id-column
DT.int[, group_id := .I ][]
#    start end group_id
# 1:   2.0   5        1
# 2:   5.5   8        2

#now perform foverlaps()
setkey( DT, Interval.start, Interval.end)
setkey( DT.int, start, end)
foverlaps( DT.int, DT )

#    Interval.id Interval.start Interval.end Wanted.column start end group_id
# 1:           1            2.0          4.5             1   2.0   5        1
# 2:           2            3.0          3.5             1   2.0   5        1
# 3:           3            4.0          4.8             1   2.0   5        1
# 4:           4            4.6          5.0             1   2.0   5        1
# 5:           5            4.7          4.9             1   2.0   5        1
# 6:           6            5.5          8.0             2   5.5   8        2

如您所见，group_id 列与您的Wanted.column 匹配

【讨论】：