判断字符串中任职年份区间是否连续的R语言实现问题

原代码核心问题 #

• 未处理重叠/包含的任期：直接对排序后的原始任期做相邻比较，会出现被包含的任期（如2001-2003、2007-2007都包含在2000-2009中）被误判为不连续的情况。
• 连续性判断逻辑偏差：仅通过相邻任期的start与前一任期modified_end的比较，无法覆盖“大任期包含小任期”的场景。

修正后的代码实现 #

library(tidyverse)

all_terms <- "2012 to 2024, 2007 to 2007, 2001 to 2003, 2000 to 2009, 2010 to 2011"
# 测试不连续案例：all_terms <- "1989 to 2008, 2020 to 2024"

# 1. 解析任期字符串，转换为数据框
terms_list <- str_split(all_terms, ",\\s*")[[1]]
years_df <- map_dfr(terms_list, function(term) {
  years <- str_extract_all(term, "\\d{4}")[[1]] %>% as.numeric()
  data.frame(start = years[1], end = years[2])
})

# 2. 按起始年份排序
years_df <- years_df %>% arrange(start)

# 3. 合并重叠/连续的任期
merged_terms <- years_df %>%
  mutate(
    # 标记需要合并的组：当前start > 前一个end+1时，开启新组
    group = cumsum(c(TRUE, tail(start, -1) > head(end + 1, -1)))
  ) %>%
  group_by(group) %>%
  summarise(
    start = min(start),
    end = max(end)
  ) %>%
  ungroup()

# 4. 判断连续性：合并后只有1组则为连续
is_continuous <- nrow(merged_terms) == 1

# 输出结果
list(
  is_continuous = is_continuous,
  overall_start = min(years_df$start),
  overall_end = max(years_df$end),
  merged_terms = merged_terms
)

代码说明 #

1. 任期解析：拆分字符串并提取年份，转换为数值型的起始/结束年份数据框。
2. 排序：按起始年份排序，确保从早到晚处理任期。
3. 合并任期：
   • 通过cumsum生成分组标记：当当前任期的起始年份 > 前一个任期的结束年份+1时，标记为新组。
   • 对每组取最小起始年份和最大结束年份，得到合并后的连续任期块。
4. 连续性判断：如果合并后只有1个任期块，说明所有原始任期要么重叠、要么连续，符合规则要求。

测试验证 #

• 示例输入"2012 to 2024, 2007 to 2007, 2001 to 2003, 2000 to 2009, 2010 to 2011"：合并后得到1组（2000-2024），返回is_continuous = TRUE。
• 测试不连续案例"1989 to 2008, 2020 to 2024"：合并后得到2组，返回is_continuous = FALSE。

内容的提问来源于stack exchange，提问作者user17661126