如何移除DataFrame中同model和powertrain下被包含的时间范围行

核心思路 #

不用生成完整年份列表，直接通过区间边界比较判断是否被包含，同时严格限定在model和powertrain分组内检查，既高效又逻辑准确。

代码实现 #

# 先加载dplyr包（未安装的话先运行 install.packages("dplyr")）
library(dplyr)

# 假设你的原始数据框名为df
df <- tibble(
  model = c("car1", "car1", "car1", "car1", "car2", "car2"),
  powertrain = c("diesel", "diesel", "electric", "diesel", "electric", "electric"),
  start_year = c(2010, 2011, 2010, 2015, 2012, 2010),
  end_year = c(2015, 2013, 2015, 2017, 2013, 2017)
)

# 过滤被包含的行
result_df <- df %>%
  group_by(model, powertrain) %>%
  filter(
    !row_number() %in% which(
      sapply(1:n(), function(i) {
        any(
          (start_year <= start_year[i]) & 
          (end_year >= end_year[i]) & 
          !(start_year == start_year[i] & end_year == end_year[i])
        )
      })
    )
  ) %>%
  ungroup()

# 查看最终结果
print(result_df)

代码说明 #

1. 分组限定：按model和powertrain分组，确保只在同车型同动力系统的范围内检查区间包含关系，避免跨组误判。
2. 区间判断逻辑：对每一行i，检查组内是否存在其他行满足：
   • 其他行的起始年份 ≤ 当前行起始年份
   • 其他行的结束年份 ≥ 当前行结束年份
   • 两行区间不完全一致（防止误删和自身完全相同的行）
3. 过滤操作：移除所有被同组其他区间完全包含的行，保留未被包含的有效行。

最终结果 #

运行后会保留以下行：

内容的提问来源于stack exchange，提问作者rösti23