如何用nest_by()、across()和summarise()替代已废弃的do()实现按周展开日期区间

你提到的do()函数确实已经被dplyr标记为废弃，官方推荐用nest_by()结合summarise()来实现这类逐组的行展开操作，这和你想要的nest_by()、across()、summarise()的方向一致（across()更多用于多列批量操作，你的场景里单组的start/end用nest_by()+summarise()就足够简洁）。

先回顾你的原始数据集：

library(tidyverse)
library(lubridate)

# 构建原始数据集
start_dates = ymd_hms(c("2019-05-08 00:00:00", "2020-01-17 00:00:00", "2020-03-03 00:00:00", "2020-05-28 00:00:00", "2020-12-10 00:00:00", "2021-05-07 00:00:00", "2022-01-04 00:00:00"), tz = "UTC")
end_dates = ymd_hms(c( "2019-10-24 00:00:00", "2020-03-03 00:00:00", "2020-05-28 00:00:00", "2020-12-10 00:00:00", "2021-05-07 00:00:00", "2022-01-04 00:00:00", "2022-01-19 00:00:00"), tz = "UTC")
df1 = data.frame(studying = paste0("period",seq(1:7),sep = ""),start_dates,end_dates)

官方推荐的替代实现 #

下面是用nest_by()+summarise()完成需求的代码，完全替代你之前的do()写法：

df1 %>%
  # 按分组字段和日期字段嵌套，生成行级分组的tibble
  nest_by(studying, start_dates, end_dates) %>%
  # 逐组生成周序列，summarise自动将序列展开为多行
  summarise(week = seq(start_dates, end_dates, by = "1 week")) %>%
  # 取消分组，得到扁平的结果dataframe
  ungroup()

代码解释 #

• nest_by(studying, start_dates, end_dates)：和group_by()类似，但会把每个分组的剩余数据打包成一个行级的tibble，这样我们可以对每个组的start_dates和end_dates单独处理。
• summarise(week = seq(...))：在每个分组内，用seq()生成从起始日期到结束日期的周间隔序列，summarise会自动把这个向量展开成多行，同时保留studying分组标识。
• ungroup()：最后取消分组结构，得到和你之前用do()、map2()完全一致的结果格式。

如果后续有多个类似的日期列需要批量处理，你可以结合across()来选择列，但在当前场景下，上面的写法已经足够简洁高效，完全符合官方的替代方案要求。

内容的提问来源于stack exchange，提问作者Dasr