检查重叠的间隔开始和结束时间
Posted
技术标签:
【中文标题】检查重叠的间隔开始和结束时间【英文标题】：check for overlapping intervals start and end times 【发布时间】：2016-09-28 23:19:16 【问题描述】：我有这个按结束时间排序的数据框：
df = data.frame(ID= c(1,1,1,1,1,1,1), NumberInSequence= c(1,2,3,4,5,6,7),
StartTime = as.POSIXct(c("2016-01-15 18:02:11 GMT","2016-01-15 18:10:33 GMT","2016-01-15 18:25:08 GMT",
"2016-01-15 18:33:56 GMT","2016-01-15 18:21:03 GMT","2016-01-15 19:55:09 GMT","2016-01-15 19:57:03 GMT")) ,
EndTime = as.POSIXct(c("2016-01-15 18:02:17 GMT","2016-01-15 18:10:39 GMT","2016-01-15 18:25:14 GMT",
"2016-01-15 18:34:02 GMT","2016-01-15 19:53:17 GMT","2016-01-15 19:56:15 GMT","2016-01-15 19:58:17 GMT"))
)
每一行都是一个时间间隔，有开始时间和结束时间
df
ID NumberInSequence StartTime EndTime
1 1 1 2016-01-15 18:02:11 2016-01-15 18:02:17
2 1 2 2016-01-15 18:10:33 2016-01-15 18:10:39
3 1 3 2016-01-15 18:25:08 2016-01-15 18:25:14
4 1 4 2016-01-15 18:33:56 2016-01-15 18:34:02
5 1 5 2016-01-15 18:21:03 2016-01-15 19:53:17
6 1 6 2016-01-15 19:55:09 2016-01-15 19:56:15
7 1 7 2016-01-15 19:57:03 2016-01-15 19:58:17
然后我使用 dplyr 添加几个字段来计算下一个开始时间和等待时间，即 NextStartTime 和 EndTime 之间的差异。这将创建在大多数情况下都有效的“WaitTime”列，除非有重叠的 inverals。
df %>% group_by(ID) %>%
mutate(
NextStartTime = lead(StartTime)[ifelse(lead(NumberInSequence) == (NumberInSequence + 1), TRUE, NA)] ,
WaitTime = difftime(NextStartTime,EndTime, units = 's')
#max_s = max(StartTime) #,
# cum_max_s = as.POSIXct(cummin(as.numeric(StartTime)),origin="1970-01-01")
)
ID NumberInSequence StartTime EndTime NextStartTime WaitTime
1 1 1 2016-01-15 18:02:11 2016-01-15 18:02:17 2016-01-15 18:10:33 496 secs
2 1 2 2016-01-15 18:10:33 2016-01-15 18:10:39 2016-01-15 18:25:08 869 secs
3 1 3 2016-01-15 18:25:08 2016-01-15 18:25:14 2016-01-15 18:33:56 522 secs
4 1 4 2016-01-15 18:33:56 2016-01-15 18:34:02 2016-01-15 18:21:03 -779 secs
5 1 5 2016-01-15 18:21:03 2016-01-15 19:53:17 2016-01-15 19:55:09 112 secs
6 1 6 2016-01-15 19:55:09 2016-01-15 19:56:15 2016-01-15 19:57:03 48 secs
7 1 7 2016-01-15 19:57:03 2016-01-15 19:58:17 <NA> NA secs
现在我需要添加一个名为“FLAG”的列，其中的值是 OK 或 NOT OK
“OK” 表示区间也不是完全或部分在另一个区间内。所以“OK”的区间与其他区间没有重叠。
“NOT OK” 表示区间部分或完全包含另一个区间。所以带有“NOT OK”的区间与其他区间有重叠。
我有下面的间隔以及 FLAG 列的结果应该是什么以及简短的描述
StartTime EndTime FLAG
2016-01-15 18:02:11 2016-01-15 18:02:17 OK - this interval does not overlap with other intervals
2016-01-15 18:10:33 2016-01-15 18:10:39 OK - this interval does not overlap with other intervals
2016-01-15 18:25:08 2016-01-15 18:25:14 NOT OK - this inerval is within the 18:21:03 start time interval
2016-01-15 18:33:56 2016-01-15 18:34:02 NOT OK - this inerval is within the 18:21:03 start time interval
2016-01-15 18:21:03 2016-01-15 19:53:17 NOT OK - this interval contains other intervals
2016-01-15 19:55:09 2016-01-15 19:56:15 OK - this interval does not overlap with other intervals
2016-01-15 19:57:03 2016-01-15 19:58:17 OK - this interval does not overlap with other intervals
我正在考虑在 dplyr 中使用 cummin 或 cummax .....也许....
cum_max_s = as.POSIXct(cummin(as.numeric(StartTime)),origin="1970-01-01")
【问题讨论】：
【参考方案1】：这是我对你的尝试。我认为 data.table 包中的foverlaps() 是我们这种情况的朋友。您可以在 SO 上找到一些示例。您想检查它们以了解该功能。您需要创建一个包含开始和结束时间的虚拟 data.table。就您而言，您拥有它们。我用最少的信息创建了dummy。然后，您使用setkey() 并使用foverlaps()。
# Create a dummy dt for hoverlaps.
dummy <- setDT(df2)[, 1:4, with = FALSE]
# Use foverlaps().
setkey(setDT(df2), StartTime, EndTime)
foo <- foverlaps(dummy, setDT(df2), by.x = c("StartTime", "EndTime"))
现在，是时候清理数据了。对于每个NumberInSequence，如果有超过 1 个重叠间隔 (n > 1)，则删除具有相同开始和结束时间 (StartTime == i.StartTime & EndTime == i.EndTime) 的行。然后，删除每个 NumberInSequence 的重复行。如果您只有一行表示与另一个间隔重叠，那就足够了，对吧？最后，如果StartTime == i.StartTime & EndTime == i.EndTime 是TRUE，则表示没有其他区间与区间重叠。所以，你说OK。否则，NOT OK。如有必要，稍后删除多余的列。
foo[,.SD[!(StartTime == i.StartTime & EndTime == i.EndTime & .N > 1)],
by = c("ID","NumberInSequence")][!duplicated(NumberInSequence)][,
check := ifelse(StartTime == i.StartTime & EndTime == i.EndTime,
"OK", "NOT OK")] -> out
print(out)
# ID NumberInSequence StartTime EndTime NextStartTime WaitTime i.ID i.NumberInSequence
#1: 1 1 2016-01-15 18:02:11 2016-01-15 18:02:17 2016-01-15 18:10:33 496 secs 1 1
#2: 1 2 2016-01-15 18:10:33 2016-01-15 18:10:39 2016-01-15 18:25:08 869 secs 1 2
#3: 1 5 2016-01-15 18:21:03 2016-01-15 19:53:17 2016-01-15 19:55:09 112 secs 1 3
#4: 1 3 2016-01-15 18:25:08 2016-01-15 18:25:14 2016-01-15 18:33:56 522 secs 1 5
#5: 1 4 2016-01-15 18:33:56 2016-01-15 18:34:02 2016-01-15 18:21:03 -779 secs 1 5
#6: 1 6 2016-01-15 19:55:09 2016-01-15 19:56:15 2016-01-15 19:57:03 48 secs 1 6
#7: 1 7 2016-01-15 19:57:03 2016-01-15 19:58:17 <NA> NA secs 1 7
# i.StartTime i.EndTime check
#1: 2016-01-15 18:02:11 2016-01-15 18:02:17 OK
#2: 2016-01-15 18:10:33 2016-01-15 18:10:39 OK
#3: 2016-01-15 18:25:08 2016-01-15 18:25:14 NOT OK
#4: 2016-01-15 18:21:03 2016-01-15 19:53:17 NOT OK
#5: 2016-01-15 18:21:03 2016-01-15 19:53:17 NOT OK
#6: 2016-01-15 19:55:09 2016-01-15 19:56:15 OK
#7: 2016-01-15 19:57:03 2016-01-15 19:58:17 OK
【讨论】：
以上是关于检查重叠的间隔开始和结束时间的主要内容，如果未能解决你的问题，请参考以下文章