如何统计拥有重叠任期年份的人员数量？R语言技术问询

问题背景 #

我有一个记录政治任期的DataFrame，包含id、person_id、start_year、end_year字段，需要统计有多少人员（person_id）拥有年份重叠的任期。

尝试将任职年份序列化为向量：

mandates_active <- mandates %>% mutate(active_years = map2(mandate_start_year, mandate_end_year, seq))

得到包含active_years列的数据集后，按person_id分组并使用intersect函数求交集时失败，原因是intersect仅接受两个参数，无法直接处理多个任期的年份向量。期望输出为拥有重叠任期的person_id列表。

解决方案 #

方法一：直接比较任期区间（高效推荐） #

无需生成年份向量，通过比较任期的起始和结束年份即可判断重叠，适合大数据集：

library(dplyr)

# 获取有重叠任期的person_id列表
overlap_persons <- mandates %>%
  group_by(person_id) %>%
  arrange(start_year, .by_group = TRUE) %>% # 按起始年份排序当前人员的所有任期
  mutate(has_overlap = start_year < lag(end_year)) %>% # 检查当前任期是否与上一个重叠
  summarise(has_overlap = any(has_overlap, na.rm = TRUE)) %>% # 标记该人员是否存在重叠
  filter(has_overlap) %>%
  pull(person_id)

# 查看结果列表
overlap_persons
# 统计重叠人员数量
length(overlap_persons)

方法二：基于已生成的active_years列处理 #

如果要沿用之前生成的active_years列，可使用reduce函数对多个年份向量依次求交集，判断是否存在非空交集：

library(purrr)
library(dplyr)

overlap_persons <- mandates_active %>%
  group_by(person_id) %>%
  summarise(
    has_overlap = ifelse(
      n() > 1, # 仅当人员有多个任期时检查
      length(reduce(active_years, intersect)) > 0, # 所有年份向量的交集非空则说明重叠
      FALSE
    )
  ) %>%
  filter(has_overlap) %>%
  pull(person_id)

内容的提问来源于stack exchange，提问作者rosybrown-manderine