R语言dplyr管道中重叠日期区间标记与重叠行拆分方法

初始代码无法得到预期结果的核心原因是case_when按书写顺序逐行判断，只要命中第一个满足的条件就会直接返回对应值、终止后续判断，因此两个区间重叠的2019-05-01~2019-06-01时段只会被标记为Period_1，既无法同时标记两个所属区间，也不会自动生成重复行。

使用「列表列存储所有匹配标记+行展开」的思路实现，需要搭配dplyr和tidyr两个包，代码如下：

library(dplyr)
library(tidyr)

# 构造测试数据集
dummy <- data.frame(
  dates = seq(as.Date("2019-01-01"), as.Date("2021-01-01"), by = "days"),
  people = runif(732, min = 100, max = 15000)
)

# 标记逻辑
result <- dummy %>%
  rowwise() %>%
  mutate(
    # 逐行判断当前日期符合哪些区间，把匹配的标记存入列表
    periods = list(
      c(
        ifelse(dates >= as.Date("2019-01-30") & dates <= as.Date("2019-06-01"), "Period_1", NA_character_),
        ifelse(dates >= as.Date("2019-05-01") & dates <= as.Date("2019-07-01"), "Period_2", NA_character_)
      ) %>% 
        na.omit() %>% 
        as.character()
    )
  ) %>%
  ungroup() %>%
  # 无任何匹配的日期，标记为No_period
  mutate(
    periods = ifelse(lengths(periods) == 0, list("No_period"), periods)
  ) %>%
  # 把列表列拆分为普通列，列表有几个值就复制为几行
  unnest_longer(periods)

逻辑说明 #

• rowwise()：开启逐行处理模式，保证每个日期单独执行区间判断
• 列表列生成：分别判断日期是否符合每个区间的规则，将所有符合的标记存入当前行的列表，过滤掉不匹配产生的NA值；空列表代表当前日期不属于任何指定区间
• 空值替换：将无匹配的行的列表值替换为仅包含"No_period"的列表，避免展开时丢失这部分数据
• unnest_longer(periods)：将列表列展开为普通字符列，自动实现「重叠区间复制为两行分别标记、非重叠/无匹配区间保留单行」的效果
• 如果后续需要新增更多标记区间，直接在c()内新增对应的ifelse判断语句即可，扩展性强。

可以通过筛选典型日期验证结果正确性：

# 重叠区间日期2019-05-15，返回2行，periods分别为Period_1、Period_2
result %>% filter(dates == as.Date("2019-05-15"))

# Period_1独有区间日期2019-02-01，返回1行，periods为Period_1
result %>% filter(dates == as.Date("2019-02-01"))

# Period_2独有区间日期2019-06-15，返回1行，periods为Period_2
result %>% filter(dates == as.Date("2019-06-15"))

# 无匹配区间日期2019-01-10，返回1行，periods为No_period
result %>% filter(dates == as.Date("2019-01-10"))

内容的提问来源于stack exchange，提问作者anorlondo