R语言识别重叠数值范围：构建ID重叠关联网络的实现方法

核心计算逻辑 #

两个时间区间的重叠年数计算公式为：
重叠年数 = min(ID1结束年份, ID2结束年份) - max(ID1开始年份, ID2开始年份) + 1
计算结果大于0代表两个ID的时间范围存在重叠，等于或小于0则无重叠。

代码实现 #

以下提供两种R语言实现方案，均基于你给出的示例数据：

tidyverse 方案（代码可读性高） #

library(dplyr)
library(tidyr)

# 你的示例数据
df <- 
  data.frame(
    id = 1:5, 
    start_year = c(2010, 2010, 2011, 2013, 2014), 
    end_year = c(2014, 2012, 2018, 2015, 2020))

# 生成成对ID并计算重叠时长
pair_overlap <- df %>%
  # 生成所有ID两两组合
  expand_grid(id1 = .$id, id2 = .$id) %>%
  # 排除自身配对、避免重复计算相同配对（如1&2和2&1）
  filter(id1 < id2) %>%
  # 匹配两个ID的起止时间
  left_join(df, by = c("id1" = "id"), suffix = c("_1", "_2")) %>%
  left_join(df, by = c("id2" = "id"), suffix = c("_1", "_2")) %>%
  # 计算重叠年数
  mutate(overlap_year = pmin(end_year_1, end_year_2) - pmax(start_year_1, start_year_2) + 1) %>%
  # 过滤无重叠的配对
  filter(overlap_year > 0) %>%
  # 提取最终三元组字段
  select(id1, id2, overlap_year)

# 输出你需要的逗号分隔格式
apply(pair_overlap, 1, paste, collapse = ", ") %>% cat(sep = "\n")

运行后输出结果如下：

1, 2, 3
1, 3, 4
1, 4, 2
1, 5, 1
2, 3, 2
3, 4, 3
3, 5, 7
4, 5, 2

纯base R方案（无需加载第三方包） #

df <- 
  data.frame(
    id = 1:5, 
    start_year = c(2010, 2010, 2011, 2013, 2014), 
    end_year = c(2014, 2012, 2018, 2015, 2020))

# 生成所有不重复ID配对
id_pairs <- combn(df$id, 2, simplify = FALSE)

# 遍历计算每对重叠时长
res_list <- lapply(id_pairs, function(p) {
  s1 <- df$start_year[df$id == p[1]]
  e1 <- df$end_year[df$id == p[1]]
  s2 <- df$start_year[df$id == p[2]]
  e2 <- df$end_year[df$id == p[2]]
  overlap <- min(e1, e2) - max(s1, s2) + 1
  if (overlap > 0) return(c(p[1], p[2], overlap))
})

# 过滤无重叠配对并整理为数据框
res_df <- do.call(rbind, Filter(Negate(is.null), res_list))

# 输出逗号分隔格式
apply(res_df, 1, paste, collapse = ", ") %>% cat(sep = "\n")

运行结果和tidyverse方案完全一致。

内容的提问来源于stack exchange，提问作者Frank B.