如何在两个tibble间执行时间关联？lubridate区间匹配问题

针对你用lubridate::%within%批量匹配两个tibble时遇到的问题，以下是两种实用方案，分别对应获取布尔匹配结果和直接匹配假期类型的需求。

先构造示例数据 #

先定义两个测试用的tibble，结构和你的实际数据对齐即可：

library(tidyverse)
library(lubridate)

# 假期数据：包含类型、起止日期，先转换为interval格式
holidays <- tibble(
  holiday_type = c("春节", "劳动节", "国庆节"),
  start_date = ymd(c("2024-02-10", "2024-05-01", "2024-10-01")),
  end_date = ymd(c("2024-02-17", "2024-05-05", "2024-10-07"))
) %>%
  mutate(holiday_interval = interval(start_date, end_date))

# 事件数据：包含事件ID和事件日期
test <- tibble(
  event_id = 1:5,
  event_date = ymd(c("2024-02-12", "2024-04-30", "2024-05-03", "2024-09-30", "2024-10-05"))
)

方案1：获取所有事件-假期组合的布尔匹配结果 #

通过全连接生成所有可能的组合，再逐个判断是否在区间内，适合后续灵活处理：

match_results <- test %>%
  cross_join(holidays) %>%
  mutate(is_within = event_date %within% holiday_interval)

# 输出结果示例
print(match_results)

输出会包含每个事件和每个假期的匹配状态，你可以根据is_within筛选需要的记录。

方案2：直接匹配每个事件的假期类型（无则为NA） #

如果需要直接得到每个事件对应的假期类型，有两种实现方式：

方式A：逐行匹配（适合小数据量） #

用rowwise()逐行处理每个事件日期，匹配对应的假期类型：

test_with_holiday <- test %>%
  rowwise() %>%
  mutate(holiday_type = {
    # 筛选当前日期所属的假期类型
    matched_holiday <- holidays$holiday_type[event_date %within% holidays$holiday_interval]
    # 有匹配则返回类型，无则返回NA
    if (length(matched_holiday) > 0) matched_holiday else NA_character_
  }) %>%
  ungroup()

print(test_with_holiday)

方式B：模糊连接（适合大数据量，效率更高） #

用fuzzyjoin包的模糊连接功能，基于日期区间直接匹配，避免逐行循环：

library(fuzzyjoin)

test_with_holiday <- fuzzy_join(
  test,
  holidays,
  # 指定匹配规则：事件日期需在假期起止日期之间
  by = c("event_date" = "start_date", "event_date" = "end_date"),
  match_fun = list(`>=`, `<=`)
) %>%
  # 保留需要的字段
  select(event_id, event_date, holiday_type) %>%
  # 处理极端情况：若一个事件同时属于多个假期（理论上不会发生），取第一个匹配
  group_by(event_id, event_date) %>%
  summarise(holiday_type = first(holiday_type), .groups = "drop") %>%
  # 补全未匹配的事件，设置为NA
  right_join(test, by = c("event_id", "event_date")) %>%
  arrange(event_id)

print(test_with_holiday)

为什么单独用%within%批量会失败？ #

%within%要求左右两边的向量长度一致，或者其中一边是单个interval。如果直接用test$event_date %within% holidays$holiday_interval，当两个向量长度不同时会触发报错，而上面的方案通过全连接、逐行处理或模糊连接，解决了长度不匹配的问题，实现了多对多的批量匹配。

内容的提问来源于stack exchange，提问作者Patrick