R语言：基于时间重叠为分组内ID生成子组标识列的需求

我来帮你搞定这个在分组内识别重叠时间区间并标记子组的需求！你提到用lubridate的interval方法没成功，大概率是没处理好区间的连通性（比如A和B重叠、B和C重叠，那A/B/C应该属于同一组），或者没先按时间排序。下面是完整的解决方案：

核心思路 #

要标记重叠的区间子组，关键是：

1. 在每个主组内按起始时间排序
2. 依次判断当前区间是否和前一个区间（或前面的连通区间）重叠
3. 用累加的方式生成连续的组编号

单组示例处理 #

先拿你提供的示例数据来演示：

加载依赖包 #

library(dplyr)
library(lubridate)

导入示例数据 #

df <- structure(list(ID = c(1,2,3,4), 
                     START = structure(c(1490904000, 1490918400, 1508363100, 1508379300), tzone = "UTC", class = c("POSIXct", "POSIXt")), 
                     END = structure(c(1492050600, 1492247700, 1509062400, 1509031800), tzone = "UTC", class = c("POSIXct", "POSIXt"))), 
                class = "data.frame", row.names = c(NA, -4L), .Names = c("ID","START", "END"))

处理代码 #

df_processed <- df %>%
  # 按起始时间排序，确保按顺序检查区间
  arrange(START) %>%
  mutate(
    # 判断是否为新组：第一个区间默认是新组；后续区间如果起始时间晚于前一个的结束时间，就是新组
    is_new_group = if_else(row_number() == 1, TRUE, START > lag(END)),
    # 累加生成组编号
    Grp = cumsum(is_new_group)
  ) %>%
  # 可选：按ID排序恢复原顺序，或者按组排序展示
  arrange(ID)

运行后得到的Grp列会正确标记：ID1和ID2属于Grp1（区间重叠），ID3和ID4属于Grp2（区间重叠），和你的期望结果一致。

用lubridate的interval实现（替代方案） #

如果你想用lubridate的interval和int_overlaps方法，也可以这样写，逻辑是一样的：

df_processed <- df %>%
  arrange(START) %>%
  mutate(
    # 生成前一个区间和当前区间
    prev_interval = lag(interval(START, END)),
    current_interval = interval(START, END),
    # 判断当前区间是否和前一个不重叠，是则为新组
    is_new_group = if_else(row_number() == 1, TRUE, !int_overlaps(current_interval, prev_interval)),
    Grp = cumsum(is_new_group)
  ) %>%
  # 移除临时列
  select(-prev_interval, -current_interval)

扩展到多组数据集 #

如果你的大型数据集有主分组列（比如MainGroup，每个MainGroup内独立处理），只需要加上group_by即可：

df_processed <- df %>%
  # 按主分组拆分处理
  group_by(MainGroup) %>%
  arrange(START, .by_group = TRUE) %>%
  mutate(
    is_new_group = if_else(row_number() == 1, TRUE, START > lag(END)),
    Grp = cumsum(is_new_group)
  ) %>%
  # 取消分组
  ungroup()

为什么你之前的尝试没成功？ #

大概率是这两个原因：

• 没有先按START排序：如果区间乱序，直接用int_overlaps两两比较会遗漏连通的重叠组
• 没处理传递性：只判断了相邻区间的重叠，但没通过累加的方式把所有连通的重叠区间归为同一组

内容的提问来源于stack exchange，提问作者PVic