如何在R中判断时间编码数据是否落入指定时间区间

问题根因 #

你的三次代码写法都存在逻辑漏洞：

1. 第一版代码内层for循环只要判断完第一个区间，无论结果如何都会直接return，永远不会遍历后续区间，因此只能匹配到第一个区间的符合条件的数据
2. 第二版用ifelse但没有写明确的return语句，自定义函数无返回值，所以得到的结果都是NULL
3. 第三版的any()位置使用错误：any(data_split_target[[m]][["tmin"]])<=x是只要所有tmin里存在一个值小于等于x就为真，any(x<= data_split_target[[m]][["tmax"]])是只要所有tmax里存在一个值大于等于x就为真，相当于只要x大于最小tmin、小于最大tmax就会返回in，完全不校验是否落在同一个区间内，自然会出现大量误判

修复方案1：调整原有循环逻辑 #

仅需要修改内层判断逻辑，遍历所有区间，只要找到任意一个满足条件的区间就标记为in，所有区间都不满足才标记为overlap：

# 按受试者+录音号拆分两个数据框
data1_split <- split(data1, paste(data1$Participant, data1$RecordingNumber, sep = "_"))
data2_split <- split(data2, paste(data2$Participant, data2$RecordingNumber, sep = "_"))

# 遍历两个数据框共有的分组
for (grp in intersect(names(data1_split), names(data2_split))) {
  cur_data1 <- data1_split[[grp]]
  cur_intervals <- data2_split[[grp]]
  # 逐个判断时间点是否落在任意有效区间内
  cur_data1$target <- sapply(cur_data1$time, function(x) {
    if (any(cur_intervals$tmin <= x & x <= cur_intervals$tmax)) {
      return("in")
    } else {
      return("overlap")
    }
  })
  data1_split[[grp]] <- cur_data1
}

# 把拆分后的结果合并为完整数据框
data1_final <- do.call(rbind, data1_split)

修复方案2：高效非等值连接写法（推荐） #

使用data.table包的非等值连接可以直接完成匹配，不需要写嵌套循环，数据量越大性能优势越明显：

library(data.table)
# 将数据框转为data.table格式
setDT(data1)
setDT(data2)

# 按受试者、录音号分组，匹配时间点是否落在有效区间内
data1_final <- data2[data1, on = .(Participant, RecordingNumber, tmin <= time, tmax >= time), 
                     .(Participant, RecordingNumber, time, 
                       target = fifelse(!is.na(tmin), "in", "overlap"))]

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