检查重叠的间隔开始和结束时间答案

【问题标题】：check for overlapping intervals start and end times检查重叠的间隔开始和结束时间
【发布时间】：2016-09-28 23:19:16
【问题描述】：

我有这个按结束时间排序的数据框：

 df = data.frame(ID= c(1,1,1,1,1,1,1),   NumberInSequence= c(1,2,3,4,5,6,7), 
                 StartTime = as.POSIXct(c("2016-01-15 18:02:11 GMT","2016-01-15 18:10:33 GMT","2016-01-15 18:25:08 GMT",
                                               "2016-01-15 18:33:56 GMT","2016-01-15 18:21:03 GMT","2016-01-15 19:55:09 GMT","2016-01-15 19:57:03 GMT"))  ,
                        EndTime = as.POSIXct(c("2016-01-15 18:02:17 GMT","2016-01-15 18:10:39 GMT","2016-01-15 18:25:14 GMT",
                                               "2016-01-15 18:34:02 GMT","2016-01-15 19:53:17 GMT","2016-01-15 19:56:15 GMT","2016-01-15 19:58:17 GMT"))
                       )

每一行都是一个时间间隔，有开始时间和结束时间

df

 ID NumberInSequence           StartTime             EndTime
1  1                1 2016-01-15 18:02:11 2016-01-15 18:02:17
2  1                2 2016-01-15 18:10:33 2016-01-15 18:10:39
3  1                3 2016-01-15 18:25:08 2016-01-15 18:25:14
4  1                4 2016-01-15 18:33:56 2016-01-15 18:34:02
5  1                5 2016-01-15 18:21:03 2016-01-15 19:53:17
6  1                6 2016-01-15 19:55:09 2016-01-15 19:56:15
7  1                7 2016-01-15 19:57:03 2016-01-15 19:58:17

然后我使用 dplyr 添加几个字段来计算下一个开始时间和等待时间，即 NextStartTime 和 EndTime 之间的差异。这将创建在大多数情况下都有效的“WaitTime”列，除非有重叠的 inverals。

   df %>% group_by(ID) %>% 
      mutate(
      NextStartTime = lead(StartTime)[ifelse(lead(NumberInSequence) == (NumberInSequence + 1), TRUE, NA)] ,
      WaitTime = difftime(NextStartTime,EndTime, units = 's')
      #max_s = max(StartTime) #,
     # cum_max_s = as.POSIXct(cummin(as.numeric(StartTime)),origin="1970-01-01")
      )


  ID NumberInSequence           StartTime             EndTime       NextStartTime  WaitTime
1  1                1 2016-01-15 18:02:11 2016-01-15 18:02:17 2016-01-15 18:10:33  496 secs
2  1                2 2016-01-15 18:10:33 2016-01-15 18:10:39 2016-01-15 18:25:08  869 secs
3  1                3 2016-01-15 18:25:08 2016-01-15 18:25:14 2016-01-15 18:33:56  522 secs
4  1                4 2016-01-15 18:33:56 2016-01-15 18:34:02 2016-01-15 18:21:03 -779 secs
5  1                5 2016-01-15 18:21:03 2016-01-15 19:53:17 2016-01-15 19:55:09  112 secs
6  1                6 2016-01-15 19:55:09 2016-01-15 19:56:15 2016-01-15 19:57:03   48 secs
7  1                7 2016-01-15 19:57:03 2016-01-15 19:58:17                <NA>   NA secs

现在我需要添加一个名为“FLAG”的列，其中的值是 OK 或 NOT OK

“OK” 表示区间也不是完全或部分在另一个区间内。所以“OK”的区间与其他区间没有重叠。

“NOT OK” 表示区间部分或完全包含另一个区间。所以带有“NOT OK”的区间与其他区间有重叠。

我有下面的间隔以及 FLAG 列的结果应该是什么以及简短的描述

 StartTime             EndTime              FLAG
2016-01-15 18:02:11 2016-01-15 18:02:17     OK - this interval does not overlap with other intervals
2016-01-15 18:10:33 2016-01-15 18:10:39     OK - this interval does not overlap with other intervals
2016-01-15 18:25:08 2016-01-15 18:25:14     NOT OK - this inerval is within the  18:21:03 start time interval 
2016-01-15 18:33:56 2016-01-15 18:34:02     NOT OK - this inerval is within the  18:21:03 start time interval 
2016-01-15 18:21:03 2016-01-15 19:53:17     NOT OK  - this interval contains other intervals 
2016-01-15 19:55:09 2016-01-15 19:56:15     OK - this interval does not overlap with other intervals
2016-01-15 19:57:03 2016-01-15 19:58:17     OK - this interval does not overlap with other intervals

我正在考虑在 dplyr 中使用 cummin 或 cummax .....也许....

cum_max_s = as.POSIXct(cummin(as.numeric(StartTime)),origin="1970-01-01")

【问题讨论】：

标签： r dplyr

【解决方案1】：

这是我对你的尝试。我认为 data.table 包中的foverlaps() 是我们这种情况的朋友。您可以在 SO 上找到一些示例。您想检查它们以了解该功能。您需要创建一个包含开始和结束时间的虚拟 data.table。就您而言，您拥有它们。我用最少的信息创建了dummy。然后，您使用setkey() 并使用foverlaps()。

# Create a dummy dt for hoverlaps.
dummy <- setDT(df2)[, 1:4, with = FALSE]

# Use foverlaps().
setkey(setDT(df2), StartTime, EndTime)
foo <- foverlaps(dummy, setDT(df2), by.x = c("StartTime", "EndTime"))

现在，是时候清理数据了。对于每个NumberInSequence，如果有超过 1 个重叠间隔 (n > 1)，则删除具有相同开始和结束时间 (StartTime == i.StartTime & EndTime == i.EndTime) 的行。然后，删除每个 NumberInSequence 的重复行。如果您只有一行表示与另一个间隔重叠，那就足够了，对吧？最后，如果StartTime == i.StartTime & EndTime == i.EndTime 是TRUE，则表示没有其他区间与区间重叠。所以，你说OK。否则，NOT OK。如有必要，稍后删除多余的列。

foo[,.SD[!(StartTime == i.StartTime & EndTime == i.EndTime & .N > 1)],
        by = c("ID","NumberInSequence")][!duplicated(NumberInSequence)][,
            check := ifelse(StartTime == i.StartTime & EndTime == i.EndTime,
                            "OK", "NOT OK")] -> out     
print(out)

#   ID NumberInSequence           StartTime             EndTime       NextStartTime  WaitTime i.ID i.NumberInSequence
#1:  1                1 2016-01-15 18:02:11 2016-01-15 18:02:17 2016-01-15 18:10:33  496 secs    1                  1
#2:  1                2 2016-01-15 18:10:33 2016-01-15 18:10:39 2016-01-15 18:25:08  869 secs    1                  2
#3:  1                5 2016-01-15 18:21:03 2016-01-15 19:53:17 2016-01-15 19:55:09  112 secs    1                  3
#4:  1                3 2016-01-15 18:25:08 2016-01-15 18:25:14 2016-01-15 18:33:56  522 secs    1                  5
#5:  1                4 2016-01-15 18:33:56 2016-01-15 18:34:02 2016-01-15 18:21:03 -779 secs    1                  5
#6:  1                6 2016-01-15 19:55:09 2016-01-15 19:56:15 2016-01-15 19:57:03   48 secs    1                  6
#7:  1                7 2016-01-15 19:57:03 2016-01-15 19:58:17                <NA>   NA secs    1                  7

#           i.StartTime           i.EndTime  check
#1: 2016-01-15 18:02:11 2016-01-15 18:02:17     OK
#2: 2016-01-15 18:10:33 2016-01-15 18:10:39     OK
#3: 2016-01-15 18:25:08 2016-01-15 18:25:14 NOT OK
#4: 2016-01-15 18:21:03 2016-01-15 19:53:17 NOT OK
#5: 2016-01-15 18:21:03 2016-01-15 19:53:17 NOT OK
#6: 2016-01-15 19:55:09 2016-01-15 19:56:15     OK
#7: 2016-01-15 19:57:03 2016-01-15 19:58:17     OK

【讨论】：