如果日期落在 R 中所有系列日期的日期范围内，则计算行
count row if date falls within date range for all dates in series in R
我有一个大数据框（约 30,000 行），其中有两个日期字段“start_date”和“end_date”。
我想总结数据，这样一列包含所有日期，第二列包含日期在“start_date”和“[=”之间的所有行的计数26=]".
我可以使用 2 个 for 循环完成这项工作，但它非常低效，因为它逐一比较大约 180 个日期和 30,000 行日期范围。
下面是一个例子。假设我有以下数据框。
df <- tibble(
start_date = c(1,1,2,2,3,3,4,4,5,5),
end_date = c(2,3,4,5,6,7,8,9,10,11)
)
我希望它输出一个 table/dataframe 看起来像这样的
Date Count
1 2
2 4
3 5
4 6
5 7
6 6
7 5
8 4
9 3
10 2
11 1
是否有一些 TidyVerse 函数或其他任何可以有效执行此转换的函数？
这是一个基本的 R 方法：
date = seq(min(df$start_date), max(df$end_date))
count = sapply(date, \(x) sum(x >= df$start_date & x <= df$end_date))
data.frame(date, count)
# date count
# 1 1 2
# 2 2 4
# 3 3 5
# 4 4 6
# 5 5 7
# 6 6 6
# 7 7 5
# 8 8 4
# 9 9 3
# 10 10 2
# 11 11 1
这是使用 foverlaps 的 data.table 方法。首先，从最小 start_date 到最大 end_date 创建所需日期的 sequence。然后，为每个日期创建一个简单的 data.table。
使用 foverlaps 获取起始 data.frame 和新 table 之间的重叠连接。最后，计算每个日期连接后的行数。
library(data.table)
setDT(df)
dates <- seq(min(df$start_date), max(df$end_date), by = 1)
dt <- data.table(start_date = dates, end_date = dates, key = c("start_date", "end_date"))
foverlaps(df, dt, which = T)[, .N, by = yid]
输出
yid N
1: 1 2
2: 2 4
3: 3 5
4: 4 6
5: 5 7
6: 6 6
7: 7 5
8: 8 4
9: 9 3
10: 10 2
11: 11 1
在 tidyverse 中，您可以适应以下内容：
library(tidyverse)
data.frame(date = seq(min(df$start_date), max(df$end_date), by = 1)) %>%
rowwise() %>%
mutate(count = sum(date >= df$start_date & date <= df$end_date))
我有一个大数据框（约 30,000 行），其中有两个日期字段“start_date”和“end_date”。
我想总结数据，这样一列包含所有日期，第二列包含日期在“start_date”和“[=”之间的所有行的计数26=]".
我可以使用 2 个 for 循环完成这项工作，但它非常低效，因为它逐一比较大约 180 个日期和 30,000 行日期范围。
下面是一个例子。假设我有以下数据框。
df <- tibble(
start_date = c(1,1,2,2,3,3,4,4,5,5),
end_date = c(2,3,4,5,6,7,8,9,10,11)
)
我希望它输出一个 table/dataframe 看起来像这样的
Date Count
1 2
2 4
3 5
4 6
5 7
6 6
7 5
8 4
9 3
10 2
11 1
是否有一些 TidyVerse 函数或其他任何可以有效执行此转换的函数？
这是一个基本的 R 方法：
date = seq(min(df$start_date), max(df$end_date))
count = sapply(date, \(x) sum(x >= df$start_date & x <= df$end_date))
data.frame(date, count)
# date count
# 1 1 2
# 2 2 4
# 3 3 5
# 4 4 6
# 5 5 7
# 6 6 6
# 7 7 5
# 8 8 4
# 9 9 3
# 10 10 2
# 11 11 1
这是使用 foverlaps 的 data.table 方法。首先，从最小 start_date 到最大 end_date 创建所需日期的 sequence。然后，为每个日期创建一个简单的 data.table。
使用 foverlaps 获取起始 data.frame 和新 table 之间的重叠连接。最后，计算每个日期连接后的行数。
library(data.table)
setDT(df)
dates <- seq(min(df$start_date), max(df$end_date), by = 1)
dt <- data.table(start_date = dates, end_date = dates, key = c("start_date", "end_date"))
foverlaps(df, dt, which = T)[, .N, by = yid]
输出
yid N
1: 1 2
2: 2 4
3: 3 5
4: 4 6
5: 5 7
6: 6 6
7: 7 5
8: 8 4
9: 9 3
10: 10 2
11: 11 1
在 tidyverse 中，您可以适应以下内容：
library(tidyverse)
data.frame(date = seq(min(df$start_date), max(df$end_date), by = 1)) %>%
rowwise() %>%
mutate(count = sum(date >= df$start_date & date <= df$end_date))