如何在R中实现区间嵌套的DataFrame合并与结果计算

我需要对两个包含区间的DataFrame进行嵌套合并，根据区间重叠关系计算新增列，具体场景和数据如下：

原始数据 #

df1 <- data.frame(
  type = rep("A", 6),
  start = c(66, 753, 1436, 2121, 8080, 8982),
  end = c(752, 1435, 2120, 2805, 8972, 9312),
  col1 = c(97.384, 97.23, 97.522, 97.522, 97.522, 97.376),
  col2 = c(686, 682, 684, 684, 892, 330)
)

df2 <- data.frame(
  name = c("apple", "apple"),
  start = c(651, 8009),
  end = c(7964, 9314),
  val = c(71298, 1982),
  ave_val = c(9.749487215, 1.518773946)
)

需求说明 #

新增cover（覆盖长度）和result（计算结果）列，规则如下：

• 若df1的区间与df2的区间部分重叠：cover为两个区间的重叠长度，result = cover × df2$ave_val
• 若df1的区间完全包含在df2的区间内：cover为df1区间的长度（end - start + 1），result = df1$col2 × df2$ave_val

期望输出 #

解决方案 #

可以使用dplyr结合fuzzyjoin包实现区间匹配，再完成逻辑判断和计算：

# 加载所需包
library(dplyr)
library(fuzzyjoin)

# 模糊连接匹配重叠区间，计算目标列
result_df <- fuzzy_inner_join(
  df1,
  df2,
  by = c("start" = "end", "end" = "start"),
  match_fun = list(`<=`, `>=`)
) %>%
  mutate(
    # 计算重叠区间的起止点
    overlap_start = pmax(start.x, start.y),
    overlap_end = pmin(end.x, end.y),
    # 计算覆盖长度
    cover = overlap_end - overlap_start + 1,
    # 判断df1区间是否完全被df2包含
    is_fully_contained = (start.x >= start.y) & (end.x <= end.y),
    # 根据规则计算result
    result = ifelse(is_fully_contained, col2 * ave_val, cover * ave_val)
  ) %>%
  # 调整列名和顺序匹配期望输出
  select(
    `类型(type)` = type,
    `起始(start)` = start.x,
    `结束(end)` = end.x,
    `列1(col1)` = col1,
    `列2(col2)` = col2,
    `覆盖长度(cover)` = cover,
    `计算结果(result)` = result
  )

# 查看最终结果
print(result_df)

代码说明 #

1. 模糊连接：通过fuzzy_inner_join筛选出两个区间存在重叠的行，匹配逻辑为df1$start <= df2$end且df1$end >= df2$start，确保只保留有效重叠配对。
2. 重叠计算：用pmax和pmin获取重叠区间的起止点，进而算出覆盖长度。
3. 包含判断：通过区间起止点的大小关系，判断df1区间是否完全被df2区间包含。
4. 结果生成：根据判断结果选择对应公式计算result，最后调整列名和顺序以匹配期望输出格式。

内容的提问来源于stack exchange，提问作者Yuto Best boy