在数据表中按组合并重叠的日期范围[重复]

Question

我在 R 中有一个 data.table，在这个 data.table 中有一些日期范围（从日期到日期），数据可以通过 id 分组在一起。对于每个 id，我想合并重叠的日期范围，最终得到每个 id 不重叠的唯一日期范围

例如这是我的数据的一个非常简化的版本

input <- data.table(
  id = c(rep(1, 4), rep(2, 3), rep(3, 2)),
  from_date = c('2000-01-01', '2001-01-01', '2002-01-01', '2003-01-01',
                 '2000-01-01', '2001-01-01', '2002-01-01',
                 '2000-01-01', '2001-01-01'),
  to_date = c('2000-06-01', '2003-06-01', '2002-06-01', '2003-10-01',
              '2001-05-01', '2001-02-01', '2002-06-01',
              '2000-06-01', '2002-06-01')
)
> input
   id  from_date    to_date
1:  1 2000-01-01 2000-06-01
2:  1 2001-01-01 2003-06-01
3:  1 2002-01-01 2002-06-01
4:  1 2003-01-01 2003-10-01
5:  2 2000-01-01 2001-05-01
6:  2 2001-01-01 2001-02-01
7:  2 2002-01-01 2002-06-01
8:  3 2000-01-01 2000-06-01
9:  3 2001-01-01 2002-06-01

对于 id 1，第二个、第三个和第四个日期范围重叠，因此我需要将它们全部合并为一个，从和到日期反映范围内的最小/最大日期。对于 id 2，第二个和第三个日期范围重叠（实际上，第二个日期范围完全包含第三个日期范围），因此再次需要合并这些日期范围。对于第三个 id，它们不重叠，所以可以保持不变

所以对于以上，我想结束

> output
   id  from_date    to_date
1:  1 2000-01-01 2000-06-01
2:  1 2001-01-01 2003-10-01
3:  2 2000-01-01 2001-05-01
4:  2 2002-01-01 2002-06-01
5:  3 2000-01-01 2000-06-01
6:  3 2001-01-01 2002-06-01

实际上 data.table 更大（1,000,000 行，100,000 组）并且包含其他数据以及 id 和日期范围，因此重要的是任何解决方案都具有合理的性能和速度，最好使用数据。例如，table 而不是 dplyr，因为其余代码使用 data.tables.

提前致谢

Answer 1

我知道更简单的方法是使用

ivs

包，但我不确定它是否可以很好地扩展。您可以使用

iv_start

和

iv_end

以原始格式获取数据。

library(dplyr)
library(ivs)
input %>%
  reframe(range = iv_groups(iv(from_date, to_date)), .by = id)

#   id                    range
# 1  1 [2000-01-01, 2000-06-01)
# 2  1 [2001-01-01, 2003-10-01)
# 3  2 [2000-01-01, 2001-05-01)
# 4  2 [2002-01-01, 2002-06-01)
# 5  3 [2000-01-01, 2000-06-01)
# 6  3 [2001-01-01, 2002-06-01)