r - 比较同一数据框中的日期间隔

Question

我四处搜索并找到类似的问题，但可以使其适用于我的数据。

我有一个包含开始日期和结束日期以及其他几个因素的数据框。理想情况下，行的开始日期应晚于任何前一行的结束日期，但数据具有重复的开始或结束日期，有时日期间隔重叠。

我尝试制作一个可重现的示例:

df = data.frame(start=c("2018/04/15 9:00:00","2018/04/15 9:00:00","2018/04/16 10:20:00","2018/04/16 15:30:00",
                   "2018/04/17 12:40:00","2018/04/17 18:50:00"),
                end=c("2018/04/16 8:00:00","2018/04/16 7:10:00","2018/04/17 18:20:00","2018/04/16 16:30:00",
                   "2018/04/17 16:40:00","2018/04/17 19:50:00"),
                value=c(10,15,11,13,14,12))

我能够删除重复的(结束或开始日期)，但无法删除重叠的间隔。我想创建一个循环来“清理”任何较大间隔内包含的间隔。所以结果看起来像这样:

result = df[c(1,3,6),]

我以为我可以创建一个循环来“清理”重复项和重叠间隔，但我无法使其工作。

有什么建议吗？

Answer 1

data.table 包使用重叠连接函数 foverlaps(受到 Bioconductor 包 IRanges 中的 findOverlaps 函数的启发)适合解决此类问题，然后使用反函数-join(data.table 语法为 B[!A, on])以删除这些内部间隔。

library(data.table)
cols <- c("start", "end")
setDT(df)
df[, (cols) := lapply(.SD, function(x) as.POSIXct(x, format="%Y/%m/%d %H:%M:%S")), .SDcols=cols]
setkeyv(df, cols)
anti <- foverlaps(df, df, type="within")[start!=i.start | end!=i.end | value!=i.value]
df[!anti, on=.(start=i.start, end=i.end, value=i.value)]

#                  start                 end value
# 1: 2018-04-15 09:00:00 2018-04-16 08:00:00    10
# 2: 2018-04-16 10:20:00 2018-04-17 18:20:00    11
# 3: 2018-04-17 18:50:00 2018-04-17 19:50:00    12