求助：如何按每年动态变化的首末占用日期过滤数据库？

现有如下结构的数据集：

Year ID Date Occupy
    2010 1  10   Yes
    2010 2  11   No
    2010 3  12   Yes
    2010 4  9    No
    2010 5  15   No
    2011 7  7    Yes
    2011 8  9    Yes
    2011 9  10   Yes
    2011 11 12   No

需要实现两个操作：

1. 找出每年中首个和最后一个Occupy为Yes的日期（比如2010年是10和12，2011年是7和10）
2. 过滤掉日期小于该年首个占用日期、或大于最后一个占用日期的行，最终得到目标结果：

Year ID Date Occupy
    2010 1  10   Yes
    2010 2  11   No
    2010 3  12   Yes
    2011 7  7    Yes
    2011 8  9    Yes
    2011 9  10   Yes

曾尝试用lapply(function(x) c(min(x), max(x)))结合lubridate分组过滤，但代码运行出错或未达到预期效果。

使用dplyr包可以高效实现需求，步骤如下：

1. 构造示例数据（若已有数据框可跳过） #

df <- data.frame(
  Year = c(2010,2010,2010,2010,2010,2011,2011,2011,2011),
  ID = c(1,2,3,4,5,7,8,9,11),
  Date = c(10,11,12,9,15,7,9,10,12),
  Occupy = c("Yes","No","Yes","No","No","Yes","Yes","Yes","No")
)

2. 分组计算并过滤数据 #

library(dplyr)

result <- df %>%
  # 按年份分组，计算该年Occupy为Yes的最小、最大日期
  group_by(Year) %>%
  mutate(
    first_occupy = min(Date[Occupy == "Yes"], na.rm = TRUE),
    last_occupy = max(Date[Occupy == "Yes"], na.rm = TRUE)
  ) %>%
  # 保留日期在首尾占用区间内的行
  filter(Date >= first_occupy & Date <= last_occupy) %>%
  # 删除临时计算的辅助列
  select(-first_occupy, -last_occupy) %>%
  ungroup()

print(result)

运行后输出结果与目标一致：

# A tibble: 6 × 4
   Year    ID  Date Occupy
  <dbl> <dbl> <dbl> <chr> 
1  2010     1    10 Yes   
2  2010     2    11 No    
3  2010     3    12 Yes   
4  2011     7     7 Yes   
5  2011     8     9 Yes   
6  2011     9    10 Yes   

常见问题说明 #

• 之前用lapply出错，大概率是没按年份正确分组，导致计算的是全局的最小/最大日期，而非每年单独计算
• 你的Date是数值型（当月天数），不需要用lubridate处理，直接用数值计算即可；如果是完整日期格式，再考虑用lubridate转换后计算

内容的提问来源于stack exchange，提问作者Teresa