R语言：将时间区间拆分为多行月度子区间

示例输入数据 #

先给出用tibble和lubridate生成的示例数据集：

library(tibble)
library(lubridate)

sample_data <- tibble(
  ID = c(1, 2),
  Gender = c("M", "F"),
  Age = c(30, 25),
  Time_Period = c(
    interval(ymd("2023-02-15"), ymd("2023-05-20")),
    interval(ymd("2023-07-01"), ymd("2023-08-10"))
  )
)

解决方案代码 #

用tidyverse工具链实现拆分，不管原数据集有多少列，都能完整保留所有字段：

library(tidyverse)

# 定义拆分单个时间区间为月度子区间的函数
split_interval_to_months <- function(int) {
  start_date <- int_start(int)
  end_date <- int_end(int)
  
  # 生成所有覆盖月份的第一天
  month_starts <- seq(floor_date(start_date, "month"), floor_date(end_date, "month"), by = "month")
  
  # 逐个生成月度子区间：第一个从原区间起始日开始，最后一个到原区间结束日
  map(month_starts, function(ms) {
    sub_start <- max(ms, start_date)
    sub_end <- min(ceiling_date(ms, "month") - days(1), end_date)
    interval(sub_start, sub_end)
  })
}

# 应用拆分并展开数据
result <- sample_data %>%
  mutate(Time_Period = map(Time_Period, split_interval_to_months)) %>%
  unnest(Time_Period)

输出结果 #

运行后得到的拆分结果如下：

result
#> # A tibble: 5 × 4
#>      ID Gender   Age Time_Period                    
#>   <dbl> <chr>  <dbl> <Interval>                    
#> 1     1 M         30 2023-02-15 UTC--2023-02-28 UTC
#> 2     1 M         30 2023-03-01 UTC--2023-03-31 UTC
#> 3     1 M         30 2023-04-01 UTC--2023-04-30 UTC
#> 4     1 M         30 2023-05-01 UTC--2023-05-20 UTC
#> 5     2 F         25 2023-07-01 UTC--2023-08-10 UTC

关键说明 #

• 自定义函数split_interval_to_months专门处理单个interval类型数据，自动适配起始/结束日期不是月初/月末的情况
• map函数对每行的时间区间进行批量拆分，生成列表列
• unnest将列表列展开为多行，原数据的所有其他列（比如ID、Gender、Age等）都会自动保留，就算实际数据集列数再多也能兼容

内容的提问来源于stack exchange，提问作者Scott White