R语言求助：计算每日符合客户日期区间的客户数结果异常

我拥有两个数据框：

• t_dates：包含连续的日期序列
• client_for_gg：包含客户ID（client_id）以及每个客户对应的起始日期（start）和结束日期（end）

需求是计算t_dates中的每一个日期，有多少客户的日期区间（start至end）包含该日期。

以下是编写的R代码：

library(tidyverse)
library(lubridate)

t_dates <- seq.Date(from = as.Date('2022-11-01'),
                  to = as.Date('2022-11-15'),
                  by = "day")  %>%
  data.frame(date = .)

client_for_gg <- data.frame(client_id = c("x_555", "x_666", "x_777", "x_888", "x_999")
                            , start = c("2022-01-01", "2022-01-01", "2022-11-05", "2022-11-07", "2022-11-10")
                            , end = c("2022-11-03", "2022-11-12", "2022-12-01", "2022-12-01", "2022-12-01")) %>% 
  mutate(start = as.Date(start)
         , end = as.Date(end))

df <- t_dates %>% 
  mutate(count = sum(as.Date(t_dates$date) %within%
                       lubridate::interval(client_for_gg$start, client_for_gg$end)))

运行后输出的count字段所有日期的值均为10，请求协助解决。

错误原因 #

你当前代码的核心问题是：在mutate中直接使用sum(as.Date(t_dates$date) %within% ...)时，是将整个t_dates的date列与所有客户的区间进行匹配，然后对所有匹配结果求和，得到的是全局范围内的总匹配次数（这里刚好是10），而非针对每一行的单个日期计算符合条件的客户数。因此所有行的count值都相同。

解决方案 #

方法1：使用rowwise()逐行计算 #

通过rowwise()让mutate对每一行的日期单独处理，统计该日期落在多少客户的区间内：

df <- t_dates %>%
  rowwise() %>%
  mutate(count = sum(date %within% interval(client_for_gg$start, client_for_gg$end))) %>%
  ungroup() # 记得取消逐行模式，避免后续操作受影响

方法2：使用purrr::map_dbl遍历日期 #

利用map_dbl对date列的每个元素单独计算，返回数值型结果：

df <- t_dates %>%
  mutate(count = map_dbl(date, ~sum(.x %within% interval(client_for_gg$start, client_for_gg$end))))

方法3：交叉连接+过滤（适合大数据量场景） #

这种方法通过交叉连接生成所有日期-客户组合，再筛选符合条件的记录并按日期计数，效率更高：

df <- t_dates %>%
  crossing(client_for_gg) %>% # 生成日期与客户的所有组合
  filter(date >= start, date <= end) %>% # 筛选日期在客户区间内的记录
  count(date, name = "count") %>% # 按日期统计客户数
  right_join(t_dates, by = "date") %>% # 补全所有原始日期
  replace_na(list(count = 0)) # 没有客户的日期count设为0

内容的提问来源于stack exchange，提问作者mr_puddles