在 R 中更新日期和日期间隔

Question

甚至不确定我是否在标题中准确地描述了问题，但这里是。

假设我有以下 data.table/data.frame：

library(data.table)
library(lubridate)


DT <- data.table(begin = c("2019-06-01 09:00:00","2019-06-01 09:00:00", "2019-06-01 09:00:00",
                           "2019-06-01 09:00:00", "2016-06-01 09:00:00","2016-06-01 09:00:00"),
                 end = c("2019-06-03 14:00:00", "2019-06-03 14:00:00", "2019-06-03 14:00:00",
                         "2019-06-02 05:00:00", "2019-06-02 05:00:00", "2016-06-01 23:15:00"),
                 person = c("A", "A","A", "B", "B", "C"))

    begin                 end person
1: 2019-06-01 09:00:00 2019-06-03 14:00:00      A
2: 2019-06-01 09:00:00 2019-06-03 14:00:00      A
3: 2019-06-01 09:00:00 2019-06-03 14:00:00      A
4: 2019-06-01 09:00:00 2019-06-02 05:00:00      B
5: 2016-06-01 09:00:00 2019-06-02 05:00:00      B
6: 2016-06-01 09:00:00 2016-06-01 23:15:00      C

这本质上是一个数据集，汇总了每个人某个时期开始和结束的时间戳。 每个人的行数按时间段跨越的天数重复。 例如，人员A具有相同“班次”的三个条目，因为他们的班次跨越三个不同的日期，06-01、06-02 和 06-03。 条目按轮班跨越的日期数重复，但有些轮班在同一天开始和结束。

我想要的是更新上述数据集的开始和结束日期，以便我可以看到每个班次在天级别开始和结束的时间。 所以数据集应该是这样的：

    begin                 end                person
1: 2019-06-01 09:00:00 2019-06-02 00:00:00      A
2: 2019-06-02 00:00:00 2019-06-03 00:00:00      A
3: 2019-06-03 00:00:00 2019-06-03 14:00:00      A
4: 2019-06-01 09:00:00 2019-06-02 00:00:00      B
5: 2016-06-02 00:00:00 2019-06-02 05:00:00      B
6: 2016-06-01 09:00:00 2016-06-01 23:15:00      C

任何帮助将不胜感激！

Answer 1

首先，确定日期（我已经确定了从 2016 年开始到 2019 年的第 5 行，似乎不太可能），

DT[, c("begin", "end"):=lapply(.SD, as.POSIXct), .SDcols=c("begin", "end")]

## we get this
DT <- as.data.table(structure(list(begin = structure(c(1559394000, 1559394000, 1559394000, 1559394000, 1559394000, 1464786000), class = c("POSIXct", "POSIXt"), tzone = ""), end = structure(c(1559584800, 1559584800, 1559584800, 1559466000, 1559466000, 1464837300), class = c("POSIXct", "POSIXt"), tzone = ""), person = c("A", "A", "A", "B", "B", "C")), row.names = c(NA, -6L), class = c("data.table", "data.frame")))

其次，我们然后创建这个函数

func <- function(st, en) {
  midns <- lubridate::ceiling_date(seq(st, en, by = "day"), unit = "day")
  times <- unique(sort(c(midns[ st < midns & midns < en], st, en)))
  data.table(begin = times[-length(times)], end = times[-1])
}

最后，我们使用它，使用by=.(person)在输出中保留该列。 我使用DT因为我们不需要（甚至不需要）每个班次/天的重复项：

unique(DT)[, rbindlist(Map(func, begin, end)), by = .(person)]
#    person               begin                 end
#    <char>              <POSc>              <POSc>
# 1:      A 2019-06-01 09:00:00 2019-06-02 00:00:00
# 2:      A 2019-06-02 00:00:00 2019-06-03 00:00:00
# 3:      A 2019-06-03 00:00:00 2019-06-03 14:00:00
# 4:      B 2019-06-01 09:00:00 2019-06-02 00:00:00
# 5:      B 2019-06-02 00:00:00 2019-06-02 05:00:00
# 6:      C 2016-06-01 09:00:00 2016-06-01 23:15:00

Answer 2

假设你有第 5 行 B 的拼写错误（从 2019 年开始，而不是 2016 年）：

library(data.table)
library(lubridate)

> DT <- data.table(begin = c("2019-06-01 09:00:00","2019-06-01 09:00:00", "2019-06-01 09:00:00",
+                            "2019-06-01 09:00:00", "2019-06-01 09:00:00","2016-06-01 09:00:00"),
+                  end = c("2019-06-03 14:00:00", "2019-06-03 14:00:00", "2019-06-03 14:00:00",
+                          "2019-06-02 05:00:00", "2019-06-02 05:00:00", "2016-06-01 23:15:00"),
+                  person = c("A", "A","A", "B", "B", "C"))
>                  
> DT[, `:=`(min=as.numeric(difftime(end,begin, units="mins")), 
+           days=as.numeric(as_date(end)-as_date(begin)+1))][, min_day:=min/days]
> 
> unique(DT)
                 begin                 end person  min days min_day
1: 2019-06-01 09:00:00 2019-06-03 14:00:00      A 3180    3    1060
2: 2019-06-01 09:00:00 2019-06-02 05:00:00      B 1200    2     600
3: 2016-06-01 09:00:00 2016-06-01 23:15:00      C  855    1     855