如何用tidy方法在R中查找行程数据的缺失日期区间？

我有一个包含起始日期（start）和结束日期（end）的数据框，每一行代表一段特定行程。这些日期范围构成了一条连续的时间线，但4月左右存在一处数据中断/缺失（因未产生任何行程）。希望找到该时段的起始和结束日期，优先采用tidy方法。

原数据与可视化 #

library(tidyverse)

df <- data.frame(
  start = as.Date(c("2022-01-03", "2022-01-18", "2022-01-31", "2022-03-01", "2022-03-08", "2022-03-09", "2022-04-15",
                    "2022-04-20", "2022-04-20", "2022-05-03", "2022-05-17", "2022-05-17", "2022-05-31", "2022-06-05", "2022-06-22", "2022-06-28", "2022-07-11")), 
  end = as.Date(c("2022-01-18", "2022-01-31", "2022-03-01", "2022-03-08", "2022-03-09", "2022-03-25", "2022-04-20", "2022-04-20", "2022-05-03",
                  "2022-05-17", "2022-05-17", "2022-05-31", "2022-06-05", "2022-06-22", "2022-06-28", "2022-07-11", "2022-07-17"))
) %>% 
  mutate(trip_number = as.character(row_number()))

# 可视化行程时间线
df %>% 
  ggplot() +
  geom_segment(aes(x = start, xend = end, y = 0, yend = 0, col = trip_number)) +
  theme(legend.position = "none")

^{由reprex包（v2.0.1）于2022-07-17生成}

tidy方法解决方案 #

通过对比连续行程的结束与起始日期，找出时间间隔大于0的时段，就是我们要找的中断期：

df %>%
  arrange(start) %>%  # 确保行程按时间顺序排列
  mutate(
    prev_end = lag(end),  # 获取上一段行程的结束日期
    gap_start = prev_end + 1,  # 中断起始日：上一段结束的次日
    gap_end = start - 1,  # 中断结束日：当前段开始的前一日
    gap_days = gap_end - gap_start + 1  # 计算中断天数
  ) %>%
  filter(gap_days > 0) %>%  # 筛选出存在中断的记录
  select(gap_start, gap_end, gap_days)

运行后输出结果：

gap_start    gap_end gap_days
1 2022-03-26 2022-04-14       20

逻辑说明 #

1. 先按起始日期排序，保证行程的时间顺序正确，避免因数据顺序混乱导致计算错误
2. 用lag(end)提取上一行的结束日期，和当前行的起始日期做对比
3. 中断时段的起始是上一段行程结束的次日，结束是当前段行程开始的前一日
4. 筛选出中断天数大于0的记录，就是存在缺失的时段

内容的提问来源于stack exchange，提问作者CyG