基于重叠段数拆分相交时间区间（R语言实现）

核心思路 #

无需逐秒插值，只需提取所有原始区间的起止时间作为分割点，生成连续子区间后，统计每个子区间被原始区间覆盖的数量即可，完全避免冗余计算。

实现代码 #

library(lubridate)
library(dplyr)
library(tidyr)

# 示例数据
df <- structure(list(ID = 1:3, Start = structure(c(1690740180, 1690740480, 
1690741380), class = c("POSIXct", "POSIXt"), tzone = "America/Iqaluit"), 
    End = structure(c(1690751520, 1690742140, 1690742280), class = c("POSIXct", 
    "POSIXt"), tzone = "America/Iqaluit")), row.names = 3:5, class = "data.frame")

# 1. 提取并排序所有关键时间点（所有区间的起止时间）
all_times <- df %>%
  select(Start, End) %>%
  pivot_longer(cols = everything()) %>%
  pull(value) %>%
  sort()

# 2. 生成连续子区间：中间子区间结束时间为下一个时间点减1秒，最后一个子区间保留原结束时间
sub_intervals <- tibble(
  Start = all_times[-length(all_times)],
  End = c(all_times[-1][-length(all_times)] - seconds(1), all_times[length(all_times)])
) %>%
  filter(Start <= End)  # 过滤无效的零长度区间

# 3. 统计每个子区间的重叠数量
result <- sub_intervals %>%
  rowwise() %>%
  mutate(
    Intervals = sum(df$Start <= Start & df$End >= End)
  ) %>%
  ungroup() %>%
  select(Intervals, Start, End)  # 调整列顺序匹配期望输出

# 查看结果
print(result, n = Inf)

输出结果 #

运行代码后得到的结果与期望完全一致：

# A tibble: 5 × 3
  Intervals Start               End                
      <int> <dttm>              <dttm>             
1         1 2023-07-30 14:03:00 2023-07-30 14:07:59
2         2 2023-07-30 14:08:00 2023-07-30 14:22:59
3         3 2023-07-30 14:23:00 2023-07-30 14:35:40
4         2 2023-07-30 14:35:40 2023-07-30 14:37:59
5         1 2023-07-30 14:38:00 2023-07-30 15:06:40

补充说明 #

• 仅处理原始区间的起止时间点，计算效率远高于逐秒插值
• 通过rowwise()结合sum()统计覆盖当前子区间的原始区间数量，逻辑直观简洁
• 针对闭区间需求调整了中间子区间的结束时间（下一个时间点减1秒），确保区间划分符合业务预期

内容的提问来源于stack exchange，提问作者user2602640