如何用dplyr判断interval_A的日期是否落在interval_B中

需求说明 #

需要判断interval_A中的每个区间是否存在任意日期处于interval_B的某个区间范围内，即两个区间是否有重叠，优先使用dplyr实现，避免展开所有日期的低效方式。

原始数据 #

library(lubridate)

interval_A <- 
new("Interval", .Data = c(20822400, 10454400, 42508800, 18662400, 
12355200, 16243200, 10195200, 14774400, 37324800, 31276800, 27734400, 
62985600, 15724800, 32054400, 21427200), start = structure(c(94953600, 
131328000, 240451200, 294278400, 334454400, 449193600, 493344000, 
546739200, 575596800, 760320000, 930700800, 1088553600, 1481673600, 
1513123200, 1647388800), tzone = "UTC", class = c("POSIXct", 
"POSIXt")), tzone = "UTC")


interval_B <- 
new("Interval", .Data = c(41904000, 15724800, 42163200, 20995200, 
21168000, 47347200, 5184000), start = structure(c(120960000, 
315532800, 362793600, 646790400, 983404800, 1196467200, 1580515200
), tzone = "UTC", class = c("POSIXct", "POSIXt")), tzone = "UTC")

错误尝试说明 #

使用as.list(interval_A) %within% as.list(interval_B)报错，原因是%within%仅支持单个日期/时间与单个区间的判断，无法直接作用于列表对象。

解决方案 #

核心思路：判断两个区间是否重叠（只要重叠，就说明A区间内有日期在B区间范围内），无需展开所有日期。区间重叠的逻辑为：A的起始时间 < B的结束时间 且 A的结束时间 > B的起始时间。

代码实现 #

library(dplyr)
library(lubridate)

# 将interval对象转换为包含起止时间的dataframe
df_a <- tibble(
  a_start = int_start(interval_A),
  a_end = int_end(interval_A)
) %>% mutate(a_id = row_number())  # 为每个A区间添加唯一标识

df_b <- tibble(
  b_start = int_start(interval_B),
  b_end = int_end(interval_B)
)

# 交叉连接所有A-B区间组合，判断重叠后聚合结果
result <- df_a %>%
  cross_join(df_b) %>%
  mutate(is_overlap = a_start < b_end & a_end > b_start) %>%
  group_by(a_id, a_start, a_end) %>%
  summarise(has_overlap_with_B = any(is_overlap), .groups = "drop")

# 查看结果
print(result)

结果解释 #

• has_overlap_with_B为TRUE表示对应interval_A的区间与interval_B中至少一个区间存在重叠，即该A区间内有日期处于B区间范围内；
• 例如interval_A的第二个区间1974-03-01 UTC--1974-06-30 UTC与interval_B的第一个区间重叠，故标记为TRUE；第一个A区间无重叠，标记为FALSE。

内容的提问来源于stack exchange，提问作者DaveM