R 如何检查连续性注意日期中可能存在的间隔

我有一个带有日期的大数据框架，我需要连续检查第一个日期，如下所示：

ID   ID_2  END         BEG
1    55    2017-06-30  2016-01-01
1    55    2015-12-31  2015-11-12  --> Gap (required date)
1    88    2008-07-26  2003-02-24
2    19    2014-09-30  2013-05-01
2    33    2013-04-30  2011-01-01  --> Not Gap (overlapping)
2    19    2012-12-31  2011-01-01
2    33    2010-12-31  2008-01-01
2    19    2007-12-31  2006-01-01
2    19    2005-12-31  1980-10-20  --> No actual Gap(required date)

df <- df%>%
  group_by(ID)%>%
  mutate(END_lead = lead(END))

df$FLAG <- df$BEG - days(1) == df$END_lead

df <- df%>%
 group_by(ID)%>%
 filter(cumsum(cumsum(FLAG == FALSE))<=1)

如图所示，并非所有日期都有重叠，我需要通过ID（而不是ID_2）返回第一个间隔（时间向后）出现的日期。我试过使用，但速度非常慢（dataframe有150k行）。我一直在摆弄dplyr，并按如下方式进行变异：

ID   ID_2  END         BEG
1    55    2017-06-30  2016-01-01
1    55    2015-12-31  2015-11-12  --> Gap (required date)
1    88    2008-07-26  2003-02-24
2    19    2014-09-30  2013-05-01
2    33    2013-04-30  2011-01-01  --> Not Gap (overlapping)
2    19    2012-12-31  2011-01-01
2    33    2010-12-31  2008-01-01
2    19    2007-12-31  2006-01-01
2    19    2005-12-31  1980-10-20  --> No actual Gap(required date)

df <- df%>%
  group_by(ID)%>%
  mutate(END_lead = lead(END))

df$FLAG <- df$BEG - days(1) == df$END_lead

df <- df%>%
 group_by(ID)%>%
 filter(cumsum(cumsum(FLAG == FALSE))<=1)

---

有没有办法使用dplyr、tidyr和lubridate来实现这一点？

我会使用xts包，首先为每个ID创建xts对象，然后对每个对象使用first（）和last（）函数

---

使用dplyr的可能解决方案：

library(dplyr)

df %>%
  mutate_at(vars(END, BEG), funs(as.Date)) %>%
  group_by(ID) %>%
  slice(which.max(BEG > ( lead(END) + 1 ) | is.na(BEG > ( lead(END) + 1 ))))

根据您最后的数据，它提供：

# A tibble: 2 x 4
# Groups:   ID [2]
     ID  ID_2 END        BEG       
  <int> <int> <date>     <date>    
1     1    55 2015-12-31 2015-11-12
2     2    19 2005-12-31 1980-10-20

#一个tible:2 x 4
#组别:ID[2]
ID_2结束
1     1    55 2015-12-31 2015-11-12
2     2    19 2005-12-31 1980-10-20

解决方案的基本功能是：

• 将日期更改为

  Date

  格式（无需

  lubridate

  ）
• 按

  ID

  分组
• 选择满足条件的最高行，即，最高行是间隙（

  TRUE

  ），或者如果没有间隙，则它是第一行（这意味着在检查间隙时它缺少一个值，这就是为什么

  是.na（BEG>（lead（END）+1））

  ）

---

我很难理解你所说的“差距”是什么意思。。。似乎到处都有缺口？此外，在df中“时间倒流”是指从上到下吗？@FonsMA“时间倒流”是指从最大日期到最低日期（df是这样排序的），所以是从上到下。您看到的差距要么是日差（不被视为差距），要么是重叠。一的每一个开头都是前一个加一的结尾（或日期的重叠）好的，我想我现在明白了，除了标记为“无实际差距”的那一个似乎有最大的差距？@FonsMA抱歉，这是我的错误，我现在就编辑。谢谢，我仍然不了解软件包中可用的组合（在这种情况下，

在（vars（END，BEG），funs（as.Date）

或

切片（which.max