R语言中高效判断DateTime是否处于任意时间区间的方法

我有一个含约38000条观测的hr_clean数据框，每行是Fitbit采集的连续一个月每分钟平均心率对应的POSIXct类型时间。需要判断每行的dateTime是否处于睡眠时段，现有sleep_ranges数据框存储睡眠起始（startTime）和结束（endTime）时间（均为POSIXct类型）。原for循环实现逻辑但速度极慢，现寻求优化方案。

原低效代码：

# Set seed for reproducibility
set.seed(123)

# Define the start and end dates
start_date <- ymd_hms("2025-03-01 00:00:00")
end_date <- ymd_hms("2025-04-01 23:59:59")

hr_clean <- data.frame(dateTime = start_date + runif(10, 0, as.numeric(difftime(end_date, start_date, units = "secs"))))


sleep_ranges <- data.frame(startTime = ymd_hms(c("2025-03-15 00:58:00",
                                                 "2025-03-14 00:17:00",
                                                 "2025-03-12 23:38:00",
                                                 "2025-03-12 00:21:30")),
                           endTime = ymd_hms(c("2025-03-15 09:10:30",
                                               "2025-03-14 07:30:30",
                                               "2025-03-13 07:45:30",
                                               "2025-03-12 07:26:30")))


is_sleeping_df <- data.frame(dateTime = character(),
                             is_sleeping = character())

for(minute in hr_clean$dateTime){
  print(as_datetime(minute))
  sleepTF = (any(minute > sleep_ranges$startTime & minute < sleep_ranges$endTime))
  
  df <- data.frame(dateTime = as_datetime(minute),
                   is_sleeping = sleepTF)
  
  is_sleeping_df <- rbind(is_sleeping_df, df)
}

原代码低效原因 #

• 循环中频繁使用rbind拼接数据框：每次rbind都会创建新数据框并复制全部数据，38000次操作会导致大量内存开销和时间浪费。
• 逐行处理：R的循环本身对逐元素操作效率较低，数据量较大时劣势更明显。

优化方案 #

方案1：基础R向量化操作 #

利用R的向量化特性，直接对整个dateTime列进行判断，避免循环和频繁拼接：

library(lubridate)

# 对每个dateTime，检查是否存在任意睡眠区间包含它
hr_clean$is_sleeping <- sapply(hr_clean$dateTime, function(x) {
  any(x > sleep_ranges$startTime & x < sleep_ranges$endTime)
})

注：相比原for循环，该方案避免了rbind的重复内存复制，效率提升明显。

方案2：data.table非等连接（性能最优） #

data.table的非等连接专门针对区间匹配场景，处理大数据量速度极快：

library(data.table)
library(lubridate)

# 转换为data.table格式
setDT(hr_clean)
setDT(sleep_ranges)

# 初始化标记列
hr_clean[, is_sleeping := FALSE]
# 非等连接匹配符合区间的记录
matches <- hr_clean[sleep_ranges, on = .(dateTime > startTime, dateTime < endTime), nomatch = 0]
# 标记匹配成功的时间点
hr_clean[matches$dateTime, is_sleeping := TRUE]

# 如需转回data.frame格式
# hr_clean <- as.data.frame(hr_clean)

方案3：fuzzyjoin包（语法简洁） #

fuzzyjoin提供直观的模糊区间匹配函数，无需复杂操作：

library(fuzzyjoin)
library(lubridate)

# 模糊左连接，匹配dateTime处于睡眠区间的记录
result <- fuzzy_left_join(
  hr_clean,
  sleep_ranges,
  by = c("dateTime" = "startTime", "dateTime" = "endTime"),
  match_fun = list(`>`, `<`)
)

# 标记是否处于睡眠区间：存在匹配则为TRUE
result$is_sleeping <- !is.na(result$startTime)

# 保留原心率数据列和标记列
final_result <- result[, c("dateTime", "is_sleeping")]

内容的提问来源于stack exchange，提问作者Evan N.