R语言查找数据集最小最大日期并生成区间连续日期序列

为什么pmin函数达不到预期 #

pmin()/pmax()是逐行并行比较的函数，作用是对每一行的多个值取最小/最大，本身不是用来计算整个数据集全局极值的，用它找全表最早最晚日期属于函数适用场景错配，自然得不到预期结果。

步骤1：提取全数据集最早、最晚日期 #

操作逻辑是先筛出所有日期类型列，排除字符型等非日期字段，再统一计算全局极值，同时自动忽略NA缺失值：

# 假设你的原始数据集命名为df
# 第一步：筛选所有存储为Date类型的列
date_subset <- df[, sapply(df, inherits, what = "Date")]

# 第二步：计算全局最早、最晚日期，自动跳过NA值
global_min <- min(date_subset, na.rm = TRUE)
global_max <- max(date_subset, na.rm = TRUE)

# 可选：查看极值对应的来源列和行位置
# 最早日期位置
which(date_subset == global_min, arr.ind = TRUE)
# 最晚日期位置
which(date_subset == global_max, arr.ind = TRUE)

执行后global_min就是全表最早日期，global_max就是全表最晚日期，和示例里“最早日期来自New列2021-02-01、最晚日期来自Old列2022-06-20”的场景完全匹配。

步骤2：生成日期间的完整日期序列 #

用R内置的日期序列函数，直接生成两个端点之间包含所有日期的新数据集：

# 生成步长为1天的完整日期序列，存储为新数据框
full_date_df <- data.frame(
  date = seq(from = global_min, to = global_max, by = "day")
)

输出的full_date_df就是包含首尾两个日期在内、区间内所有日期的列表。

注意事项 #

• 不要直接对原始全表执行min()/max()，混入字符型字段会直接导致计算报错
• 所有涉及极值计算的代码必须加na.rm = TRUE参数，否则只要字段存在NA缺失值，返回结果就会是NA
• 如果你的需求是计算每一行的最早/最晚日期，才需要用到pmin()/pmax()，全局极值计算不需要调用这两个函数

内容的提问来源于stack exchange，提问作者user17582908