在R中如何合并多组重叠的日期间隔？附示例与预期结果

核心逻辑 #

对同分组（本需求下为id和degree字段）下的记录按开始日期排序后，识别与前序所有间隔都不重叠的新间隔边界，再按新的间隔组聚合，取每组最小开始日期、最大结束日期即可得到合并后的结果。

方法1：基于tidyverse通用实现（无需安装小众依赖包） #

需先加载dplyr和lubridate包：

library(dplyr)
library(lubridate)

实现代码：

df_result <- df %>%
  # 指定分组维度，同分组内的间隔才需要合并
  group_by(id, degree) %>%
  # 同分组内按开始日期升序排列
  arrange(start_date, .by_group = TRUE) %>%
  # 生成新间隔分组标记：当前间隔开始日期晚于之前所有间隔的最大结束日期时，记为新的一组
  mutate(interval_group = cumsum(start_date > lag(stop_date, default = first(start_date) - 1))) %>%
  # 按新的间隔分组聚合
  group_by(id, degree, interval_group) %>%
  summarise(
    start_date = min(start_date),
    stop_date = max(stop_date),
    .groups = "drop"
  ) %>%
  # 移除辅助计算的分组标记列
  select(-interval_group)

方法2：基于ivs间隔处理包实现（代码更简洁） #

ivs是R生态中专门用于间隔数据处理的包，内置了间隔合并的封装方法：

# 首次使用需先安装：install.packages("ivs")
library(ivs)
library(dplyr)

df_result <- df %>%
  group_by(id, degree) %>%
  summarise(
    interval = iv_groups(iv(start_date, stop_date)),
    .groups = "drop"
  ) %>%
  # 拆分合并后的间隔为开始、结束日期列
  mutate(
    start_date = iv_start(interval),
    stop_date = iv_end(interval)
  ) %>%
  select(-interval)

两种方法输出结果均与需求预期完全一致：

> df_result
# A tibble: 2 × 4
     id degree start_date stop_date 
  <dbl>  <dbl> <date>     <date>    
1     1      2 2010-01-20 2010-02-10
2     1      2 2010-03-20 2010-04-30

内容的提问来源于stack exchange，提问作者rachel3765