如何在多组起止日期中为指定标识行随机生成日期？

你的核心需求是按行为ind=1的记录生成对应start_date到end_date范围内的随机日期，ind=0的记录填充"0"。你之前的代码没有实现按行处理，而是取了所有行日期的整体范围，且只能生成单个日期，无法匹配每行的区间。

步骤1：数据预处理（转换日期格式） #

原始数据中的日期是字符型，首先要转换为Date类型才能进行数值运算，同时注意修正无效日期（比如4月没有31号，需改为4/30/2023）：

# 构造示例数据框
df <- data.frame(
  start_date = c("2/1/2023", "3/4/2023", "4/4/2023"),
  end_date = c("2/15/2023", "4/17/2023", "4/30/2023"),
  ind = c(0, 1, 1)
)

# 转换为Date类型
df$start_date <- as.Date(df$start_date, format = "%m/%d/%Y")
df$end_date <- as.Date(df$end_date, format = "%m/%d/%Y")

方法1：使用dplyr（tidyverse风格，易读） #

利用向量化操作避免循环，高效生成每行的随机日期：

library(dplyr)

df_processed <- df %>%
  mutate(
    # 为ind=1的行生成随机日期数值，再转成Date类型
    random_date = case_when(
      ind == 1 ~ as.Date(
        runif(n(), min = as.numeric(start_date), max = as.numeric(end_date)),
        origin = "1970-01-01"
      ),
      TRUE ~ NA_Date_
    ),
    # 格式化日期为指定字符串格式，ind=0的行替换为"0"
    random_date = ifelse(is.na(random_date), "0", format(random_date, "%m/%d/%Y"))
  )

方法2：使用data.table（极致高效，适合大数据量） #

如果你的数据量很大，data.table的向量化操作速度会显著优于dplyr：

library(data.table)

# 转换为data.table对象
dt <- as.data.table(df)

# 按条件生成随机日期
dt[ind == 1, random_date := as.Date(
  runif(.N, min = as.numeric(start_date), max = as.numeric(end_date)),
  origin = "1970-01-01"
)]
dt[ind == 0, random_date := "0"]
# 格式化日期为指定字符串
dt[ind == 1, random_date := format(random_date, "%m/%d/%Y")]

关键细节说明 #

1. 为什么用runif而不是sample？
   runif()可以直接向量化生成每行的随机数值，无需逐行循环；而sample()如果要按行处理，需要用apply类函数循环，效率远低于向量化操作，数据量大时差距明显。
2. 日期格式修正
   原始数据中的4/31/2023是无效日期，4月只有30天，必须修正为4/30/2023，否则as.Date()会返回NA导致后续运算出错。

内容的提问来源于stack exchange，提问作者rushi