将事件与日期范围暂时关联

Question

我有一个 R 中极端温度事件的数据框。数据看起来像这样：

data <- data.frame(date_start = c("1980-05-11", "1980-07-12", "1980-08-17", "1980-05-10", "1980-05-23"), date_end = c("1980-06-27", "1980-07-29", "1980-09-03", "1980-05-19", "1980-06-27"), lat = (c(31, 31, 31, 32, 32)), lon = c(-119, -119, -119, -120, -120)) # Create dummy data
data$date_start <- as.Date(data$date_start) ; data$date_end <- as.Date(data$date_end)

data
#  date_start   date_end lat  lon
# 1 1980-05-11 1980-06-27  31 -119
# 2 1980-07-12 1980-07-29  31 -119
# 3 1980-08-17 1980-09-03  31 -119
# 4 1980-05-10 1980-05-19  32 -120
# 5 1980-05-23 1980-06-27  32 -120

我想将事件与重叠的时间窗口关联起来（即第一行和第四行中的事件）。目标是了解每个事件的空间范围（它延伸了多少纬度/经度值）。

给定 date_start 和 date_end 值，将我的数据集分组为同时发生的事件的最佳方法是什么？

我尝试循环遍历感兴趣的每一天并提取当天的事件，但随后我必须将不同日期的事件关联起来。这种方法效率也很低。

我认为这篇文章中可能有一些有用的内容，但这并不能完全满足我的需要，因为我的活动有一个日期范围，而不是每个活动都有一个日期。

任何想法将不胜感激！

Answer 1

这是一种使用

data.table

的方法。您可以按开始日期和结束日期

order

排列数据，然后在开始日期超过运行的最大结束日期时分配递增的组编号。这会将具有重叠日期范围的第 1、4、5 行分组为一个组 (1)。

library(data.table)

setDT(data)
data[order(date_start, date_end), group := cumsum(date_start > shift(cummax(as.integer(date_end)), fill = 0))]
data

输出

   date_start   date_end lat  lon group
1: 1980-05-11 1980-06-27  31 -119     1
2: 1980-07-12 1980-07-29  31 -119     2
3: 1980-08-17 1980-09-03  31 -119     3
4: 1980-05-10 1980-05-19  32 -120     1
5: 1980-05-23 1980-06-27  32 -120     1

Answer 2

另一种可能的解决方案是使用 ivs 包，它是专门为处理这样的间隔数据而创建的。

library(ivs)

data <- data.frame(date_start = c("1980-05-11", "1980-07-12", "1980-08-17", "1980-05-10", "1980-05-23"), date_end = c("1980-06-27", "1980-07-29", "1980-09-03", "1980-05-19", "1980-06-27"), lat = (c(31, 31, 31, 32, 32)), lon = c(-119, -119, -119, -120, -120)) # Create dummy data
data$date_start <- as.Date(data$date_start)
data$date_end <- as.Date(data$date_end)

# Merge [start, end) into an interval object
data$range <- iv(data$date_start, data$date_end)
data$date_start <- NULL
data$date_end <- NULL

# Identify the interval "group" that each row falls in
data$group <- iv_identify_group(data$range)

# Optionally, turn that into an integer id for grouping
# (but you could also group on `group`)
data$id <- vctrs::vec_group_id(data$group)

data
#>   lat  lon                    range                    group id
#> 1  31 -119 [1980-05-11, 1980-06-27) [1980-05-10, 1980-06-27)  1
#> 2  31 -119 [1980-07-12, 1980-07-29) [1980-07-12, 1980-07-29)  2
#> 3  31 -119 [1980-08-17, 1980-09-03) [1980-08-17, 1980-09-03)  3
#> 4  32 -120 [1980-05-10, 1980-05-19) [1980-05-10, 1980-06-27)  1
#> 5  32 -120 [1980-05-23, 1980-06-27) [1980-05-10, 1980-06-27)  1