根据条件和时期（部分）重叠计算两个时期日期集之间的重叠天数

Question

与here 发布的问题类似，我想根据第三个变量（位置）计算两个时期之间的重叠天数。

对于主数据集 (DF) 的每次观察，我都有一个开始和结束日期，以及一个位置（字符）变量。事件数据包括关于事件地点、开始日期和结束日期的信息。允许在同一位置和（部分）重叠期间发生多个事件。

因此，对于 DF 中的每个观察，必须将周期与事件数据集（事件）中的其他周期进行比较。这意味着一个（DF）和多个时期（事件）之间的重叠天数必须扣除事件数据集中两个（或更多）时期之间的重叠天数

我的两个数据源的数据结构的示例可以很容易地在 R 中使用此代码重现（注意，为简单起见，位置变量已设置为整数）：

        set.seed(1)
    DF <- data.frame(
      start = sample(seq(as.Date('2018-01-01'), as.Date('2018-04-30'), by="day"), 20),
      end = sample(seq(as.Date('2018-05-01'), as.Date('2018-10-30'), by="day"), 20),
      location = sample(seq(1:5)),20)


    Events <- data.frame(
      start = sample(seq(as.Date('2018-01-01'), as.Date('2018-04-30'), by="day"), 30),
      end = sample(seq(as.Date('2018-05-01'), as.Date('2018-10-30'), by="day"), 30),
      location = sample(seq(1:5)),  30 )

在事件数据减少到只有一个事件（我们不关心位置）的简单情况下，可以使用以下代码和 dplyr 轻松计算 DF 中每个观测的总体天数：来自 Matthew Lundberg 的回答 here，还请注意，我创建了另一个带有单个事件 (One_event) 的数据框：

library(dplyr)

One_event <- data.frame(
  start = as.Date('2018-01-01'),
  end = as.Date('2018-07-30'))

DF %>%
  mutate(overlap = pmax(pmin(One_event$end, end) - pmax(One_event$start, start) + 1,0))

导致：

   start        end       location X20  overlap
1  2018-02-01 2018-10-19        5  20 180 days
2  2018-02-14 2018-06-08        3  20 115 days
3  2018-03-09 2018-08-26        4  20 144 days
4  2018-04-17 2018-05-23        2  20  37 days
5  2018-01-24 2018-06-17        1  20 145 days
6  2018-04-14 2018-07-08        5  20  86 days
7  2018-04-18 2018-05-03        3  20  16 days
8  2018-03-16 2018-07-07        4  20 114 days
9  2018-03-12 2018-09-30        2  20 141 days
10 2018-01-07 2018-06-29        1  20 174 days
11 2018-01-23 2018-07-23        5  20 182 days
12 2018-01-20 2018-08-12        3  20 192 days
13 2018-04-23 2018-07-24        4  20  93 days
14 2018-02-11 2018-06-01        2  20 111 days
15 2018-03-23 2018-09-17        1  20 130 days
16 2018-02-22 2018-08-21        5  20 159 days
17 2018-04-24 2018-09-10        3  20  98 days
18 2018-04-13 2018-05-18        4  20  36 days
19 2018-02-08 2018-08-28        2  20 173 days
20 2018-03-20 2018-10-23        1  20 133 days

现在回到最初的问题。 为了允许根据观察和事件的位置比较数据中每个观察的周期和匹配的事件，我认为使用apply 函数是合理的，根据观察位置对事件数据集进行子集化，最后为每一行和事件数据的子集（临时）运行 mutate 函数：

    apply(DF, 1, function(x) {
  temp =  Events[Events$location %in% x["location"]
 x %>%
      mutate(overlap = pmax(pmin(temp$end, end) - pmax(temp$start, start) + 
1,0))
})

最后一部分代码存在几个问题。首先，不起作用并给出错误消息：

(Error in UseMethod("mutate_") : 
  no applicable method for 'mutate_' applied to an object of class "character")

其次，它不考虑事件数据集中的两个（或更多时间段）重叠。

Answer 1

你在找这个吗：

apply(DF, MARGIN = 1, function(x) {
  Events[Events$location == x["location"],] %>% mutate(overlap = pmax(pmin(.data$end,         
  x["end"]) - pmax(.data$start, x["start"])))
})

这导致我的情况是：

[[1]]
   start        end location X30  overlap
1 2018-02-01 2018-07-28        5  30 177 days
2 2018-04-14 2018-08-27        5  30 135 days
3 2018-01-23 2018-09-20        5  30 231 days
4 2018-02-22 2018-09-10        5  30 200 days
5 2018-04-04 2018-07-17        5  30 104 days
6 2018-02-06 2018-05-16        5  30  99 days

[[2]]
   start        end location X30  overlap
1 2018-01-24 2018-09-26        3  30 114 days
2 2018-01-07 2018-07-11        3  30 114 days
3 2018-03-23 2018-10-28        3  30  77 days
4 2018-03-20 2018-08-22        3  30  80 days
5 2018-01-26 2018-05-12        3  30  87 days
6 2018-01-31 2018-07-02        3  30 114 days

[[3]]
   start        end location X30  overlap
1 2018-03-09 2018-07-29        4  30 142 days
2 2018-03-16 2018-05-19        4  30  64 days
3 2018-04-23 2018-09-11        4  30 125 days
4 2018-04-13 2018-07-19        4  30  97 days
5 2018-03-05 2018-07-10        4  30 123 days
6 2018-02-05 2018-07-20        4  30 133 days

...