如何筛选DataFrame中处于起止日期区间的日期列并计算均值

我有一个包含start_date和end_date列的数据集，这两列的日期跨度为7至40天；另有约50列，列名为2021-01-01至2021-12-22、间隔16天的日期。需编写代码找出每行起止日期之间的日期列，计算这些列的均值并生成新列，最后删除所有日期列。

以下是用于创建数据集的代码：

rm(list = ls())

library(lubridate)

# Create date columns with 16-day intervals (ensure correct order here!)
date_cols <- as.character(seq(ymd("2021-01-01"), ymd("2022-12-30"), by = "16 days"))  # Use as.character

# Determine the desired number of rows
num_rows <- 100  # Adjust this if needed

# Create an empty data frame with all columns (no changes here)
df <- data.frame(matrix(ncol = length(date_cols) + 2, nrow = num_rows))
colnames(df) <- c("start_date", "end_date", date_cols)  # Assign column names for all columns

# Fill the start_date and end_date columns (no changes here)
start_date <- sample(seq(ymd("2021-01-01"), ymd("2022-12-30"), by = "day"), num_rows)
end_date <- start_date + sample(7:40, num_rows, replace = TRUE)
df$start_date <- start_date
df$end_date <- end_date

# Fill the date columns with random numbers (no changes here)
df[, date_cols] <- runif(num_rows * length(date_cols), min = 1, max = 2)

# Print the dataset
head(df)

注：日期列代表针对不同点（行）提取的栅格数据，需匹配对应日期的数据。

可以用dplyr结合purrr处理每行的日期筛选和均值计算，步骤如下：

1. 加载必要工具包 #

确保安装并加载dplyr和purrr，配合已有的lubridate使用：

library(dplyr)
library(purrr)

2. 转换日期列名为日期对象 #

先把列名里的日期字符串转成Date类型，方便后续区间比较：

date_col_dates <- ymd(date_cols)

3. 逐行计算目标均值 #

用pmap_dbl遍历每行的起止日期，筛选出落在区间内的日期列，计算均值并生成新列date_range_mean：

df <- df %>%
  mutate(date_range_mean = pmap_dbl(., function(start_date, end_date, ...) {
    # 提取当前行所有日期列的数值
    row_vals <- c(...)
    # 筛选出在[start_date, end_date]区间内的日期列索引
    valid_indices <- which(date_col_dates >= start_date & date_col_dates <= end_date)
    # 计算均值，无符合条件列时返回NA（可按需调整）
    if(length(valid_indices) == 0) {
      NA_real_
    } else {
      mean(row_vals[valid_indices])
    }
  }))

4. 删除所有原日期列 #

保留start_date、end_date和新生成的均值列，移除原日期列：

df <- df %>%
  select(start_date, end_date, date_range_mean)

完整整合代码 #

将所有步骤整合后，运行即可得到最终结果：

rm(list = ls())

library(lubridate)
library(dplyr)
library(purrr)

# 创建数据集（原代码保留）
date_cols <- as.character(seq(ymd("2021-01-01"), ymd("2022-12-30"), by = "16 days"))
num_rows <- 100
df <- data.frame(matrix(ncol = length(date_cols) + 2, nrow = num_rows))
colnames(df) <- c("start_date", "end_date", date_cols)
start_date <- sample(seq(ymd("2021-01-01"), ymd("2022-12-30"), by = "day"), num_rows)
end_date <- start_date + sample(7:40, num_rows, replace = TRUE)
df$start_date <- start_date
df$end_date <- end_date
df[, date_cols] <- runif(num_rows * length(date_cols), min = 1, max = 2)

# 处理数据
date_col_dates <- ymd(date_cols)

df <- df %>%
  mutate(date_range_mean = pmap_dbl(., function(start_date, end_date, ...) {
    row_vals <- c(...)
    valid_indices <- which(date_col_dates >= start_date & date_col_dates <= end_date)
    if(length(valid_indices) == 0) {
      NA_real_
    } else {
      mean(row_vals[valid_indices])
    }
  })) %>%
  select(start_date, end_date, date_range_mean)

# 查看结果
head(df)

内容的提问来源于stack exchange，提问作者jwell123