如何在R中基于一个数据集的时间范围过滤另一数据集的时间记录

日期时间数据最佳格式化方案 #

最优选择是将分列存储的Date和Time字段合并为R原生的POSIXct类型完整时间戳，原因如下：

• 原生时间类型支持直接使用比较运算符判断时间范围，无需拆分字符串做数值判断，出错概率低
• 合并后的时间戳天然覆盖跨天场景，不会出现仅比较时分秒导致的逻辑漏洞
• 适配后续时间差计算、时间分组等扩展分析需求

R实现过滤操作 #

我们可以用tidyverse生态工具快速完成需求，步骤如下：

1. 加载依赖包

library(dplyr)
library(lubridate)

2. 清洗两个数据集的时间字段

首先处理Active表，生成每条记录的进入、离开完整时间戳：

Active_clean <- Active %>%
  mutate(
    start_ts = dmy(Date) + hms(Start),
    end_ts = dmy(Date) + hms(End)
  ) %>%
  select(ID, start_ts, end_ts)

再处理Detections表，生成检测时间的完整时间戳：

Detections_clean <- Detections %>%
  mutate(detect_ts = dmy(Date) + hms(Time))

3. 过滤符合要求的检测记录

这里提供两种常用实现方式：

方式1：逐行判断（无需额外依赖包）

final_result <- Detections_clean %>%
  rowwise() %>%
  filter(
    any(
      Active_clean$ID == ID & 
      Active_clean$start_ts <= detect_ts & 
      Active_clean$end_ts >= detect_ts
    )
  ) %>%
  ungroup() %>%
  select(ID, Date, Time)

方式2：非等值连接（大数据量下效率更高）

如果数据量较大可以用fuzzyjoin包的区间连接优化性能：

# 首次使用先安装包
# install.packages("fuzzyjoin")
library(fuzzyjoin)

final_result <- interval_join(
  Detections_clean,
  Active_clean,
  by = c("ID" = "ID", "detect_ts" = "start_ts", "detect_ts" = "end_ts"),
  match_fun = list(`==`, `>=`, `<=`)
) %>%
  select(ID, Date, Time) %>%
  distinct()

两种方法运行后得到的结果和你给出的预期输出完全一致。

内容的提问来源于stack exchange，提问作者Ryan