如何消除间隔中的重叠？

Question

我有两个数据集：

1. 由人们工作的时间段组成
2. 第二个包括人们度假的时间段

我需要从工作时间中删除这些假期时间，如图所示

我发现 ivs 包很有前途，我能够合并间隔，但无法删除重叠。怎么办？

library(tidyverse)
library(ivs)

worked = read.csv("https://www.dropbox.com/scl/fi/ctu6d8nb193ub0t5wawdf/worked.csv?rlkey=3zsbe8gh483hb0daazrrwl9ko&dl=1")
vacation = read.csv("https://www.dropbox.com/scl/fi/xn76ojwmewpcz71tcivgs/vacation.csv?rlkey=kmllrgvgr6ix0z2wq6roxin8f&dl=1")

这就是数据对一个人的看法

Answer 1

警告：这适用于您的示例数据，但可能需要对某些奇怪的情况进行进一步的测试。 具体来说，它假设所有假期时间都包含在工作时间之内，并且我还没有测试如果情况不成立会发生什么。

首先，创建

data.frame

，因为我们没有您的 CSV 文件。 请注意，您需要将日期列从

character

转换为

Date

。

worked <- data.frame(
  ID = c("ID100045", "ID100045"),
  start = as.Date(c("2019-06-04", "2020-12-29")),
  end = as.Date(c("2020-11-30", "9999-10-31")))

vacation <- data.frame(
  ID = c("ID100045", "ID100045", "ID100045"),
  start = as.Date(c("2020-07-08", "2021-02-03", "2022-04-10")),
  end = as.Date(c("2020-11-23", "2021-04-25", "2022-05-10")))

建立一个“时间表”，其中所有日期都按顺序排列。 我们将添加一个名为

at_work

的列，指示该人在该日期开始或停止工作的时间：

library(tidyr)
library(dplyr)

timeline <-
  bind_rows(
    pivot_longer(worked, -ID) %>%
    mutate(at_work = name == "start"),
    pivot_longer(vacation, -ID) %>%
    mutate(at_work = name == "end")
  ) %>%
arrange(ID, value)

> timeline
# A tibble: 10 × 4
   ID       name  value      at_work
   <chr>    <chr> <date>     <lgl>
 1 ID100045 start 2019-06-04 TRUE
 2 ID100045 start 2020-07-08 FALSE
 3 ID100045 end   2020-11-23 TRUE
 4 ID100045 end   2020-11-30 FALSE
 5 ID100045 start 2020-12-29 TRUE
 6 ID100045 start 2021-02-03 FALSE
 7 ID100045 end   2021-04-25 TRUE
 8 ID100045 start 2022-04-10 FALSE
 9 ID100045 end   2022-05-10 TRUE
10 ID100045 end   2024-10-16 FALSE

方法1

检查此人是否在前一天开始工作并且没有工作（作为防止虚假连续 at_work == TRUE

 行的保障），并计算其累积总和。  这将生成一个列，指示每个单独的“工作周期”，并按顺序对其进行编号。
然后，获取每个周期并获取每个周期的开始和结束。

timeline %>%
  group_by(ID) %>%
  mutate(period = cumsum(at_work & !lead(at_work))) %>%
  group_by(ID, period) %>%
  summarise(start = min(value), end = max(value))

# A tibble: 5 × 4
# Groups:   ID [1]
  ID       period start      end
  <chr>     <int> <date>     <date>
1 ID100045      1 2019-06-04 2020-07-08
2 ID100045      2 2020-11-23 2020-11-30
3 ID100045      3 2020-12-29 2021-02-03
4 ID100045      4 2021-04-25 2022-04-10
5 ID100045      5 2022-05-10 2024-10-16

方法2（不安全）

如果您完全确定所有假期期都在工作期内开始和结束，则只需使用

pivot_wider

 和 

unnest

 即可完成：

timeline %>%
  select(-name) %>%
  pivot_wider(names_from = at_work, values_from = value) %>%
  unnest(cols = c(`TRUE`, `FALSE`))

# A tibble: 5 × 3
  ID       `TRUE`     `FALSE`
  <chr>    <date>     <date>
1 ID100045 2019-06-04 2020-07-08
2 ID100045 2020-11-23 2020-11-30
3 ID100045 2020-12-29 2021-02-03
4 ID100045 2021-04-25 2022-04-10
5 ID100045 2022-05-10 2024-10-16