data.table 中的区间类

Question

我的问题将在以下可重现的示例中得到解释。

首先，让我们加载所需的包并创建一个POSIXct 和一个data.table 对象。

library(data.table)
library(lubridate)

target_date <- ymd(20180601, tz='America/Montreal')

test <- data.table(
  V1 = seq(1:3),
  V2 = c(ymd(20170421, tz='America/Montreal'),
         ymd(20170702, tz='America/Montreal'),
         ymd(20180113, tz='America/Montreal'))
)

如下所示，一切正常。

test[]

##     V1         V2
##  1:  1 2017-04-21
##  2:  2 2017-07-02
##  3:  3 2018-01-13

然后，我创建一个包含 Interval 对象的新列。

test[, V3:=interval(V2, target_date)]

还在那里，一切都很好。

test[]

##     V1         V2                             V3
##  1:  1 2017-04-21 2017-04-21 EDT--2018-06-01 EDT
##  2:  2 2017-07-02 2017-07-02 EDT--2018-06-01 EDT
##  3:  3 2018-01-13 2018-01-13 EST--2018-06-01 EDT

然后，我想创建两个仅在前两行定义的新列：第一个是POSIXct 列的函数，第二个是Interval 列的函数。

test[c(1, 3), V4 := V2 + days(20)]
test[]

##     V1         V2                             V3         V4
##  1:  1 2017-04-21 2017-04-21 EDT--2018-06-01 EDT 2017-05-11
##  2:  2 2017-07-02 2017-07-02 EDT--2018-06-01 EDT       <NA>
##  3:  3 2018-01-13 2018-01-13 EST--2018-06-01 EDT 2018-02-02

此时仍然正确。

然后，当我使用Interval 列的列函数尝试相同的操作时，我得到以下warning

test[c(1, 3), V5 := ymd(20180101, tz='America/Montreal') %within% V3]

##  Warning messages:
##  1: In as.numeric(a) - as.numeric(b@start) <= b@.Data :
##    longer object length is not a multiple of shorter object length
##  2: In `[.data.table`(test, c(1, 3), `:=`(V5, ymd(20180101, tz = "America/Montreal") %within%  :
##  Supplied 3 items to be assigned to 2 items of column 'V5' (1 unused)

这个warning 告诉我，事实上，该命令产生了 3 个值，我尝试将这些值输入 2 行 data.table（过滤后的 data.table 有两行）。

我试图找出问题所在，我想我找到了提示。考虑以下两个命令：

test[, V3][2]
##  [1] 2017-07-02 EDT--2018-06-01 EDT

test[2, V3]
##  [1] 2017-04-21 EDT--2018-03-21 EDT 2017-07-02 EDT--2018-06-01 EDT 2018-01-13 EST--2018-12-13 EST

事实上，我认为这两个命令会产生相同的结果，但事实并非如此。更令人惊讶的是，它们的 length 均为 1（查看上面的输出时，我认为第二个命令的 length 为 3）。

length(test[, V3][2])
##  [1] 1

length(test[2, V3])
##  [1] 1

问题是，这两个命令在.Data 槽中产生了一个向量为1 的对象（我猜Interval 的长度以秒为单位），

test[, V3][2]@.Data
##  [1] 28857600

test[2, V3]@.Data
##  [1] 28857600

但第一个在start 槽中的向量为1，而第二个在start 槽中的向量为3。

test[, V3][2]@start
##  [1] "2017-07-02 EDT"

test[2, V3]@start
##  [1] "2017-04-21 EDT" "2017-07-02 EDT" "2018-01-13 EST"

我知道我可以通过将每个 Interval 对象封装在一个列表中并在每次需要时提取它们来解决这个问题，但是还有其他方法可以解决这个问题吗？

Answer 1

可能有点脏，但你能走吗：

test[c(1, 3), V5 := ymd(20180101, tz='America/Montreal') %within% V3[.I]]

test[, dat := (V3[.I]@.Data)]