如果日期在R中系列中所有日期的日期范围内，则计数行

Question

我有一个大数据帧(约30000行(，其中有两个日期字段"start_ date"；以及"；end_date"；。

我想总结数据，使得我有一列包含所有日期，第二列包含所有行的计数；start_ date"；以及"；end_date"；。

我可以使用2个for循环来完成这项工作，但效率非常低，因为它是一个接一个地比较大约180个日期和30000行日期范围。

下面是一个例子。假设我有以下数据帧。

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)
)

我希望它输出一个看起来像的表/数据帧

Date    Count
1       2
2       4
3       5
4       6
5       7
6       6
7       5
8       4
9       3
10      2
11      1

有没有一些TidyVerse函数或其他任何东西可以有效地进行这种转换？

Answer 1

这里有一个基本的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

Answer 2

以下是使用foverlaps的data.table方法。首先，创建从最小start_date到最大end_date的所需日期的seq影响。然后，为每个日期创建一个简单的data.table。

使用foverlaps获取起始数据帧和新表之间的重叠联接。最后，计算每个日期联接后的行数。

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))