使用 R 测试日期是否出现在多个日期范围内

Question

我有一个包含多个日期范围（确切地说是 45 个）的数据框：

Range  Start       End
1      2014-01-01  2014-02-30
2      2015-01-10  2015-03-30
3      2016-04-20  2016-10-12
...    ...         ...

它们永远不会重叠

我还有一个包含各种事件日期 (200K+) 的数据框：

Event  Date
1      2014-01-02
2      2014-03-20
3      2015-04-01
4      2016-08-18
...    ...

我想测试这些日期是否在这些范围内：

Event  Date        InRange
1      2014-01-02  TRUE
2      2014-03-20  FALSE
3      2015-04-01  FALSE
4      2016-08-18  TRUE
...

执行此测试的最佳方法是什么？我查看了 lubridate 的 between 和 interval 函数以及各种 Stackoverflow 问题，但找不到好的解决方案。

Answer 1

编写您自己的function 以检查日期列表是否在多个间隔中。

date.in <- function(x){
m <- NULL
for (i in 1:NROW(df)){m <- c(m,  ifelse(x>=df[i,1] & x<=df[i,2], TRUE, FALSE))}
any(m)}

数据：

df <- data.frame(start=c("2014-01-01", "2015-01-10", "2016-04-20"), 
       end=c("2014-02-30", "2015-03-30", "2016-10-12"))
df[] <- lapply(df, as.character)

s <- c("2014-01-02", "2014-03-20", "2015-04-01", "2016-08-18")

使用字符串s进行测试。

as.character(lapply(s, date.in))#TRUE FALSE FALSE TRUE

Answer 2

在您的第一个“data.frame”中具有有序的非重叠间隔，您可以测试每个事件日期是否高于$Start 及其各自的$End。使用findInterval 减少关系比较和所需的内存。

findInterval(events$Date, ranges$Start) > findInterval(events$Date, ranges$End)
#[1]  TRUE FALSE FALSE  TRUE

有数据（修改“2014-02-30”）：

ranges = structure(list(Range = 1:3, Start = structure(c(16071, 16445, 
16911), class = "Date"), End = structure(c(16129, 16524, 17086
), class = "Date")), .Names = c("Range", "Start", "End"), row.names = c(NA, 
-3L), class = "data.frame")

events = structure(list(Event = 1:4, Date = structure(c(16072, 16149, 
16526, 17031), class = "Date")), .Names = c("Event", "Date"), row.names = c(NA, 
-4L), class = "data.frame")

Answer 3

您可以从第一个数据框创建日期范围的向量，然后使用%in% 运算符检查您的事件的每个日期是否在此日期范围内。假设您的第一个数据框是dateRange，第二个是events，则将上述逻辑放在一行中：

events$InRange <- events$Date %in% unlist(Map(`:`, dateRange$Start, dateRange$End))

events
  Event       Date InRange
1     1 2014-01-02    TRUE
2     2 2014-03-20   FALSE
3     3 2015-04-01   FALSE
4     4 2016-08-18    TRUE

我们使用Map 创建日期范围向量。 Map 结合 : 运算符创建从 Start 到 End 的日期范围列表。在接近list(2014-01-01 : 2014-02-30, 2015-01-10 : 2015-03-30, 2016-04-20 : 2016-10-12 ...)（象征性地，无效）的某个地方，使用unlist，我们将其展平为日期范围的向量，然后可以方便地与%in% 一起使用。