如何用向量化方法计算多重叠/间断时段的办公室总占用天数？

我们需要计算办公室的总占用天数，给定不同角色的出勤时间段（如下表），需合并重叠/连续的占用时段后计算总天数。已知合并后的连续时段为1-20日、31-35日、41-55日，总天数为40天。

现有基于for循环的实现，但希望找到向量化的更优解法。

方法1：dplyr合并重叠区间 #

核心思路是提取所有时间段并排序，通过分组标记合并重叠/连续区间，最后计算总天数。

library(dplyr)

df_raw <- read.table(
  header = TRUE,
  text = "
type day_in day_out
A  1 10
A  5 15
A 31 35
B  5 15
C 10 20
C 45 55
D 41 50 
"
)

# 合并重叠/连续区间
merged_intervals <- df_raw %>%
  select(day_in, day_out) %>%
  arrange(day_in) %>%
  mutate(
    # 标记新的独立区间：当前起始日 > 上一个结束日+1时，分组编号+1
    group = cumsum(day_in > lag(day_out, default = -Inf) + 1)
  ) %>%
  group_by(group) %>%
  summarise(
    start = min(day_in),
    end = max(day_out)
  )

# 计算总占用天数
total_days <- sum(merged_intervals$end - merged_intervals$start + 1)
total_days # 输出40

思路说明 #

1. 提取所有出勤时段，按起始日排序。
2. 用cumsum生成分组：当当前区间的起始日与上一个区间不连续时，视为新分组。
3. 按分组合并，取每组的最小起始日和最大结束日，得到合并后的连续区间。
4. 每个区间的天数为end - start + 1，求和得到总占用天数。

方法2：data.table高效合并 #

针对大数据量场景，data.table的向量化操作效率更高：

library(data.table)

setDT(df_raw)

# 排序并合并区间
merged_intervals <- df_raw[, .(day_in, day_out)][
  order(day_in), 
  .(start = min(day_in), end = max(day_out)), 
  by = .(group = cumsum(day_in > shift(day_out, fill = -Inf) + 1))
]

# 计算总天数
total_days <- sum(merged_intervals$end - merged_intervals$start + 1)
total_days # 输出40

方法3：lubridate区间原生处理 #

利用lubridate的区间操作函数，更直观地处理重叠/连续逻辑：

library(lubridate)
library(dplyr)

# 转换为lubridate区间对象
intervals <- df_raw %>%
  mutate(interval = interval(day_in, day_out)) %>%
  pull(interval)

# 迭代合并所有重叠/连续区间
merged_intervals <- reduce(intervals, function(x, y) {
  if (int_overlaps(x, y) | int_adjacent(x, y)) union(x, y) else x
})

# 计算总天数：int_length返回天数差，每个区间需+1包含起始日
total_days <- sum(int_length(merged_intervals)) + length(merged_intervals)
total_days # 输出40

思路说明 #

• int_overlaps判断区间是否重叠，int_adjacent判断是否连续（如前一个结束日为10，后一个起始日为11）。
• reduce迭代合并所有区间，最终得到无重叠的连续区间集合。
• int_length返回区间的天数差，因此每个区间需加1来覆盖起始日，再求和得到总天数。

方案优势对比 #

• 完全向量化操作，避免for循环的性能瓶颈，数据量越大效率提升越明显。
• 代码逻辑清晰简洁，减少手动状态管理的复杂度，易读易维护。
• 依赖成熟的第三方包内置函数，稳定性更高。

内容的提问来源于stack exchange，提问作者moreQthanA