【发布时间】:2016-04-29 07:52:03
【问题描述】:
经过大量思考和谷歌搜索,我找不到解决问题的方法,希望您能帮助我。
我有一个大型数据框,其中包含一个可以重复超过 2 次的 ID 列,一个构成时间段的开始和结束日期列。我想按 ID 分组找出该 ID 的任何时间段是否与另一个时间段重叠,如果是,则通过创建一个新列来标记它,例如,说明该 ID 是否重叠。
这是一个已经包含所需新列的示例数据框:
structure(list(ID= c(34L, 34L, 80L, 80L, 81L, 81L, 81L, 94L,
94L), Start = structure(c(1072911600, 1262300400, 1157061600,
1277935200, 1157061600, 1277935200, 1157061600, 1075590000, 1285891200
), class = c("POSIXct", "POSIXt"), tzone = ""), End = structure(c(1262214000,
1409436000, 1251669600, 1404079200, 1251669600, 1404079200, 1251669600,
1264892400, 1475193600), class = c("POSIXct", "POSIXt"), tzone = ""),
Overlap = c(FALSE, FALSE, FALSE, FALSE, TRUE, TRUE, TRUE,
FALSE, FALSE)), .Names = c("ID", "Start", "End", "Overlap"
), row.names = c(NA, -9L), class = "data.frame")
ID Start End Overlap
34 2004-01-01 00:00:00 2009-12-31 00:00:00 FALSE
34 2010-01-01 00:00:00 2014-08-31 00:00:00 FALSE
80 2006-09-01 00:00:00 2009-08-31 00:00:00 FALSE
80 2010-07-01 00:00:00 2014-06-30 00:00:00 FALSE
81 2006-09-01 00:00:00 2009-08-31 00:00:00 TRUE
81 2010-07-01 00:00:00 2014-06-30 00:00:00 TRUE
81 2006-09-01 00:00:00 2009-08-31 00:00:00 TRUE
94 2004-02-01 00:00:00 2010-01-31 00:00:00 FALSE
94 2010-10-01 02:00:00 2016-09-30 02:00:00 FALSE
在这种情况下,对于 ID“81”,两个时间段之间存在重叠,因此我想将 ID = 81 的所有行标记为 TRUE,这意味着在该 ID 的至少两行中发现了重叠.这只是一个理想的解决方案,但总的来说,我要做的就是在按 ID 分组时找出重叠,因此标记它的方式可以灵活,以防简化事情。
提前感谢您的帮助。
【问题讨论】:
-
你已经尝试过什么?你在哪里卡住了?
-
从 data.table 包中检查
foverlaps。 Here's a post to get you started.