基于R tidyverse按固定分块大小生成重复行的技术需求

核心思路 #

对于每个id对应的[start, end)区间，找出所有以req_sz为步长的连续块（块起始为req_sz的整数倍），只要原区间与块存在重叠（哪怕是部分重叠），就为该块生成一行记录。

实现代码 #

library(tidyverse)

# 定义参数：min_sz是最小单位，req_sz必须是min_sz的倍数
min_sz = 2
req_sz = 20

# 原始数据
df = tibble(
  id = c("a", "b", "c", "d", "e", "f", "g", "h", "i", "j"),
  start = c(0, 0, 0, 4, 4, 8, 10, 10, 16, 32),
  end = c(4, 6, 16, 10, 22, 18, 36, 56, 42, 84),
)

# 处理流程
df_processed <- df %>%
  # 计算原区间时长
  mutate(dur = end - start) %>%
  # 计算当前区间覆盖的第一个块起始和最后一个块起始
  mutate(
    first_chunk = floor(start / req_sz) * req_sz,
    # 减1是为了处理end刚好是req_sz倍数的情况，确保部分重叠的块被包含
    last_chunk = floor((end - 1) / req_sz) * req_sz
  ) %>%
  # 生成每个区间对应的所有块起始序列
  mutate(chunk_start = map2(first_chunk, last_chunk, ~seq(.x, .y, by = req_sz))) %>%
  # 展开序列，生成多行记录
  unnest(chunk_start) %>%
  # 计算每个块的结束值
  mutate(chunk_end = chunk_start + req_sz) %>%
  # 移除中间计算字段（可选）
  select(-first_chunk, -last_chunk)

# 查看结果
print(df_processed, n = 10)

代码关键逻辑说明 #

• first_chunk计算：通过floor(start / req_sz) * req_sz找到不大于start的最大req_sz倍数，作为当前区间覆盖的第一个块起始。
• last_chunk计算：用(end - 1)避免当end恰好是req_sz倍数时，误将下一个块纳入（比如end=20时，不会生成20-40的块）；同时确保部分重叠的块被包含（比如end=22时，会生成20-40的块）。
• map2+unnest：为每个区间生成对应的所有块起始序列，再展开为多行，实现每个重叠块对应一行记录。

验证结果 #

以id=e（start=4，end=22）为例，处理后会生成两行：

• 块0-20：与原区间4-22完全重叠
• 块20-40：与原区间4-22部分重叠（20-22）
  完全符合预期输出。

内容的提问来源于stack exchange，提问作者Ankit