同一表中重叠的日期时间数（R）

我有一个大约50000行的表，有四列

ID     Arrival             Departure             Gender

1   10/04/2015 23:14    11/04/2015 00:21           F
1   11/04/2015 07:59    11/04/2015 08:08           F
3   10/04/2017 21:53    30/03/2017 23:37           M
3   31/03/2017 07:09    31/03/2017 07:57           M
3   01/04/2017 01:32    01/04/2017 01:35           M
3   01/04/2017 13:09    01/04/2017 14:23           M
6   10/04/2015 21:31    10/04/2015 23:17           F
6   10/04/2015 23:48    11/04/2015 00:05           F
6   01/04/2016 21:45    01/04/2016 22:48           F
6   02/04/2016 04:54    02/04/2016 07:38           F
6   04/04/2016 18:41    04/04/2016 22:48           F
10  10/04/2015 22:39    11/04/2015 00:42           M
10  13/04/2015 02:57    13/04/2015 03:07           M
10  31/03/2016 22:29    01/04/2016 08:39           M
10  01/04/2016 18:49    01/04/2016 19:44           M
10  01/04/2016 22:28    02/04/2016 00:31           M
10  05/04/2017 09:27    05/04/2017 09:28           M 
10  06/04/2017 15:12    06/04/2017 15:43           M

这是该表的一个非常小的表示形式。我想知道的是，在每次参赛的同时，还有多少人在场，然后按性别将他们分开。例如，假设在ID为1的人第一次出现时，ID为6的人出现，ID为10的人在同一时间间隔内出现两次。这意味着，与此同时，发生了另外两个重叠。这也意味着ID为1的人与1名男性和1名女性重叠

因此，其结果应该如下所示：

ID           Arrival            Departure         Males encountered        Females encountered
1       10/04/2015 23:14    11/04/2015 00:21             1                          1

---

我怎样才能计算出这个呢？我曾尝试使用foverlaps，并成功地用Excel解决了这一问题，但我希望在R中实现这一点。

这里有一种可能性。这将使用和int_overlaps函数查找日期重叠。但这有一个缺点：间隔。所以这个版本只是在for循环中手动完成所有工作

它首先创建一个与您的数据集相匹配的1000行随机数据集：每个人在两年内到达，然后在一两天后离开

1000次跑步大约需要24秒，所以你可以预计50次跑步需要一段时间！for循环输出行号，以便您可以看到它在哪里

任何关于密码的问题，让我知道

必须有一种更快的矢量化方法，但interval似乎也不能很好地使用apply。其他人可能会有更快的

最终输出看起来像

库（tidyverse）
图书馆（lubridate）
#样本数据：
#（日期取样代码：https://stackoverflow.com/questions/21502332/generating-random-dates)
#2017年至2019年之间的随机日期
x%
总结（count=n（））%>%#获得每个性别的每个重叠的观察计数
完成（性别，填充=列表（计数=0））#需要此项来保持零计数：否则汇总会删除它们
#我们想在他们自己的专栏中为每种性别统计，所以请广泛使用
性别计数%
排列（键=性别，值=计数）
#存储以便很快转换为数据帧
性别计数[[length（gendercounts）+1]]这里是一个
数据表
使用
foverlaps的解决方案

首先，请注意您的数据中有一个错误：

ID           Arrival           Departure      Gender
3   10/04/2017 21:53    30/03/2017 23:37           M

用户在实际离开后将近一个月到达。为了运行
foverlaps
，我需要清除这些数据

library(data.table)

dt <- data.table(df)
dt <- dt[Departure > Arrival, ]  # filter wrong cases

setkey(dt, "Arrival", "Departure")  # prepare for foverlaps
dt2 <- copy(dt)  # use a different dt, inherits the key

将列顺序设置为更好的顺序
我无法将您的输出链接到示例数据。。遇到的男性==1

来自哪里？您的示例数据似乎不包含任何重叠的时段…我现在做了一个小的更改，以便反映输出。谢谢你指出这一点，并对由此带来的不便表示歉意。你认为这对约会时间也适用吗？或者只写日期，包括年、月和日。是的，也应该写时间。这个在同一天重叠时间的小例子很好。您只需确保日期时间列已转换为日期时间对象。如果您使用tidyverse的read_csv加载，我认为它应该自动加载

by.x中最后两列中的一列应与data.table“x”中的“开始”和“结束”间隔相对应，并且必须是整数/数字类型。我在尝试同时运行命令时遇到此错误。这意味着您的
到达
（很可能您的
离开
）列仍然是文本，而不是日期。尝试并研究
lubridate:：ymd_hm
和类似函数，将字符列转换为
setkey
之前的日期编辑您的问题并粘贴
dput（head（df））
的结果，我很乐意解决您遇到的问题，因此，我编辑了代码，并将到达和离开日期转换为日期。代码运行时没有问题，但某些行保留为NAs而不是计数。
library(data.table)

dt <- data.table(df)
dt <- dt[Departure > Arrival, ]  # filter wrong cases

setkey(dt, "Arrival", "Departure")  # prepare for foverlaps
dt2 <- copy(dt)  # use a different dt, inherits the key

simultaneous <- foverlaps(dt, dt2)[i.Arrival <= Arrival & ID != i.ID,
                                       .(malesEncountered = sum(i.Gender == "M"),
                                         femalesEncountered = sum(i.Gender == "F")), 
                                       by = .(ID, Arrival)]

result <- simultaneous[dt, on = .(ID, Arrival)]

result[is.na(malesEncountered), malesEncountered := 0][
                 is.na(femalesEncountered), femalesEncountered := o]

setcolorder(result, c(1, 2, 5, 6, 3, 4))[]