如何高效拆分跨月日期数据以实现按月统计汇总

适用场景 #

需要按自然月统计周期时长时，拆分跨多个月份的长周期记录为对应单个月份的分段记录。

依赖包 #

需要提前安装加载以下常用数据处理包：

install.packages(c("dplyr", "lubridate", "tidyr"))
library(dplyr)
library(lubridate)
library(tidyr)

完整实现代码 #

# 构造原始示例数据，同时将日期列转换为Date格式
data <- data.frame(
  start_date = c("2020-01-02", "2020-08-21","2020-09-01"), 
  end_date = c("2020-03-01", "2020-09-07", "2020-09-30"), 
  ID = c("A", "B", "C")
) %>% 
  mutate(across(c(start_date, end_date), ymd))

# 核心拆分逻辑
result <- data %>%
  rowwise() %>%
  # 生成当前记录覆盖的所有月份的第一天列表
  mutate(month = list(seq(
    from = floor_date(start_date, unit = "month"), 
    to = floor_date(end_date, unit = "month"), 
    by = "month"
  ))) %>%
  unnest(month) %>%
  # 计算每个单月分段的起止日期
  mutate(
    seg_start = if_else(month == floor_date(start_date, "month"), start_date, month),
    seg_end = if_else(month == floor_date(end_date, "month"), end_date, ceiling_date(month, "month") - days(1))
  ) %>%
  # 整理输出字段
  select(start_date = seg_start, end_date = seg_end, ID) %>%
  ungroup()

输出结果验证 #

运行后得到的result数据如下，和预期结果一致（注：预期结果中2020-03-01-的末尾横杠为输入笔误，2020年为闰年2月实际有29天，若需要按非闰年统计可自行调整逻辑）：

> result
# A tibble: 6 × 3
  start_date end_date   ID   
  <date>     <date>     <chr>
1 2020-01-02 2020-01-31 A    
2 2020-02-01 2020-02-29 A    
3 2020-03-01 2020-03-01 A    
4 2020-08-21 2020-08-31 B    
5 2020-09-01 2020-09-07 B    
6 2020-09-01 2020-09-30 C 

内容的提问来源于stack exchange，提问作者Sang won kim