如何在R语言中按Table1的日期区间聚合Table2的数量？

嘿，我来帮你搞定这个需求！你想要按Table1的相邻日期划分区间，汇总Table2对应时段的Qty总和，再和Table1的记录关联起来对吧？先说说你原来代码里的问题，再给你两种实用的实现方法：

原代码的问题分析 #

你的循环写法有几个关键问题：

• 循环范围1:nrow(Table1)会导致最后一次循环时i+1超出Table1的行数，endDate变成NA，直接出错
• aggregate的分组参数逻辑不对：把Table1的整列（比如Table1$Date）放进分组列表，会让分组的长度和Table2的行数不匹配，而且用条件表达式分组的方式没法正确关联到Table1的每一行

方法一：Base R实现（cut + aggregate） #

先把日期转成R能识别的POSIXct类型，然后用cut给Table2的记录标记所属区间，再聚合求和，最后和Table1合并：

# 构造示例数据（先确保日期是POSIXct类型）
Table1 <- data.frame(
  Date = as.POSIXct(c("2014-06-12 09:32:56", "2014-06-27 16:13:36", "2014-08-12 22:41:47")),
  OldPrice = c(0, 10, 12),
  NewPrice = c(10, 12, 13)
)

Table2 <- data.frame(
  Date = as.POSIXct(c("2014-06-15 18:09:23", "2014-06-19 12:04:29", "2014-06-22 13:21:34",
                      "2014-06-29 19:01:22", "2014-07-01 18:02:33", "2014-09-29 22:41:47")),
  Qty = c(5,4,3,6,3,6)
)

# 定义区间断点：包含Table1的所有日期，最后加一个极大值处理后续记录
breaks <- c(Table1$Date, max(Table1$Date) + 3600*24*365)
# 用Table1的日期作为区间标签，对应每一行
labels <- Table1$Date

# 给Table2的每条记录标记所属区间
Table2$Interval <- cut(Table2$Date, breaks = breaks, labels = labels, include.lowest = TRUE, right = FALSE)

# 聚合每个区间的Qty总和
qty_agg <- aggregate(Qty ~ Interval, data = Table2, sum)

# 合并Table1和聚合结果，缺失的Qty填0
result <- merge(Table1, qty_agg, by.x = "Date", by.y = "Interval", all.x = TRUE)
result$Qty[is.na(result$Qty)] <- 0

# 输出结果
print(result)

运行后就能得到你期望的结果：

Date OldPrice NewPrice Qty
1 2014-06-12 09:32:56        0       10   0
2 2014-06-27 16:13:36       10       12  12
3 2014-08-12 22:41:47       12       13  15

方法二：dplyr实现（更简洁的逐行处理） #

如果你习惯用tidyverse风格的代码，用dplyr的rowwise()可以更直观地逐行计算每个区间的Qty总和：

library(dplyr)

result_dplyr <- Table1 %>%
  # 给每一行定义结束日期：下一行的日期，最后一行用一个极大值覆盖后续所有记录
  mutate(endDate = lead(Date, default = max(Date) + 3600*24*365)) %>%
  # 逐行处理每一个区间
  rowwise() %>%
  mutate(
    # 计算当前区间内的Qty总和，na.rm=TRUE确保没有符合条件时返回0
    Qty = sum(Table2$Qty[Table2$Date > Date & Table2$Date <= endDate], na.rm = TRUE)
  ) %>%
  # 移除临时的endDate列
  select(-endDate)

# 输出结果
print(result_dplyr)

这个方法和base R的结果完全一致，代码可读性更高～

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