在R中计算各组多项目非重叠周期的总天数

需求说明 #

按Group.ID分组，统计该组所有项目周期的总天数，若不同项目的时间周期存在重叠，重叠天数仅统计一次。

示例数据框 #

df<- structure(list(Group.ID = c("BQNX", "BQNX", "CLXW", "CLXW", "CLXW", 
"CLXW", "CLXW", "CLXW", "CLXW", "CXJR", "CXJR", "CXJR", "DMM", 
"DMM", "DMM"), Project.ID = c(1, 2, 1, 2, 3, 4, 5, 6, 7, 1, 2, 
3, 1, 2, 3), Start.Date = structure(c(19655, 19655, 19653, 19687, 
19694, 19653, 19687, 19694, 19653, 19653, 19653, 19653, 19687, 
19651, 19687), class = "Date"), End.Date = structure(c(19675, 
19682, 19687, 19693, 19733, 19686, 19693, 19733, 19686, 19655, 
19690, 19690, 19693, 19686, 19693), class = "Date"), Days = structure(c(20, 
27, 34, 6, 39, 33, 6, 39, 33, 2, 37, 37, 6, 35, 6), class = "difftime", units = "days")), row.names = c(NA, 
15L), class = "data.frame")

计算示例 #

• BQNX组：项目1和2周期重叠，合并后总天数为27天；
• CXJR组：3个项目起始日期相同，合并后总天数为37天；
• CLXW组：合并非重叠周期后总天数为79天。

期望输出 #

data.frame(Group.ID = c("BQNX", "CLXW", "CXJR"), Consecutive.Days = c(27,79,37) )

实现方案 #

可以使用dplyr配合lubridate包完成，核心逻辑是对每个分组的时间区间进行合并重叠/连续区间，再计算合并后所有区间的总天数。

步骤1：加载依赖包 #

library(dplyr)
library(lubridate)

步骤2：数据处理代码 #

result <- df %>%
  # 按Group.ID分组
  group_by(Group.ID) %>%
  # 组内按起始日期排序，确保区间按时间顺序处理
  arrange(Start.Date, .by_group = TRUE) %>%
  # 标记独立的区间组：当前区间开始晚于前一个区间结束则为新组
  mutate(interval_group = cumsum(Start.Date > lag(End.Date, default = first(Start.Date) - 1))) %>%
  # 按分组和区间组二次分组，合并重叠区间
  group_by(Group.ID, interval_group) %>%
  summarise(
    merged_start = min(Start.Date),
    merged_end = max(End.Date),
    .groups = "drop_last"
  ) %>%
  # 计算所有合并后区间的总天数
  summarise(Consecutive.Days = sum(as.numeric(merged_end - merged_start))) %>%
  # 取消分组
  ungroup()

# 查看结果
print(result)

代码逻辑说明 #

1. 分组排序：先按Group.ID分组，再对组内的Start.Date排序，保证区间按时间顺序处理；
2. 标记独立区间：用cumsum生成区间组标记，当当前区间的开始日期晚于前一个区间的结束日期时，判定为新的独立区间；
3. 合并重叠区间：对每个独立区间组，取最早的起始日期和最晚的结束日期，合并成一个完整的非重叠区间；
4. 计算总天数：对所有合并后的区间，计算每个区间的天数并求和，得到分组内的非重叠总天数。

内容的提问来源于stack exchange，提问作者Ann