在R中计算数据集日期集合差异并生成missing列

核心思路 #

先为每个ID生成first_date到last_date的完整日期序列，再与第二个数据框中该ID的实际日期对比，检查是否存在缺失，最后将结果合并回第一个数据框。

示例数据 #

先构造两组测试数据，方便你验证代码：

df1 <- data.frame(
  ID = c("A", "B", "C"),
  first_date = as.Date(c("2023-01-01", "2023-02-01", "2023-03-01")),
  last_date = as.Date(c("2023-01-03", "2023-02-03", "2023-03-03"))
)

df2 <- data.frame(
  ID = c("A", "A", "A", "B", "B", "C", "C", "C"),
  dates = as.Date(c("2023-01-01", "2023-01-02", "2023-01-03", "2023-02-01", "2023-02-03", "2023-03-01", "2023-03-02", "2023-03-03"))
)

方法一：使用tidyverse工具链 #

这是最常用的简洁实现方式，需要加载tidyverse包：

library(tidyverse)

result <- df1 %>%
  # 为每个ID生成完整日期序列
  mutate(full_dates = map2(first_date, last_date, ~seq(.x, .y, by = "day"))) %>%
  # 将日期序列拆分为单独行
  unnest(full_dates) %>%
  # 左连接df2，匹配对应ID和日期
  left_join(df2, by = c("ID", "full_dates" = "dates")) %>%
  # 按ID分组，检查是否存在未匹配的日期（即dates列有NA）
  group_by(ID) %>%
  summarise(missing = as.integer(any(is.na(dates)))) %>%
  # 合并回原始df1，保留所有ID
  right_join(df1, by = "ID") %>%
  # 调整列顺序
  select(ID, first_date, last_date, missing)

代码说明：

• map2配合seq：为每个ID生成从first_date到last_date的每日序列
• unnest：把列表格式的日期序列拆成多行，方便后续匹配
• 左连接后，df2中不存在的日期会在dates列显示为NA
• any(is.na(dates))：判断该ID是否存在缺失日期，转成整数1（缺失）或0（完整）

方法二：Base R实现 #

如果不想加载额外包，可以用基础R函数完成：

# 将df2按ID拆分，得到每个ID对应的日期列表
df2_id_dates <- split(df2$dates, df2$ID)

# 遍历df1每一行，检查日期完整性
df1$missing <- sapply(1:nrow(df1), function(row_idx) {
  current_id <- df1$ID[row_idx]
  start_date <- df1$first_date[row_idx]
  end_date <- df1$last_date[row_idx]
  
  # 生成当前ID的完整日期序列
  full_date_seq <- seq(start_date, end_date, by = "day")
  # 检查所有日期是否都在df2的对应ID中，取反后转成1/0
  as.integer(!all(full_date_seq %in% df2_id_dates[[current_id]]))
})

代码说明：

• split：把df2按ID分组，每个组存储该ID的所有日期
• sapply：逐个处理df1的ID，生成完整日期序列后用%in%匹配检查
• !all(...)：如果所有日期都存在则返回FALSE（转成0），有缺失则返回TRUE（转成1）

内容的提问来源于stack exchange，提问作者learner