使用 dplyr 为持续时间生成 id

Question

我有一列包含日期（时间），我认为一个持续时间是 1 秒的连续时间：

data <- data.frame(Time = c("2021-12-01 01:01:01","2021-12-01 01:01:02","2021-12-01 01:01:03","2021-12-01 01:01:05","2021-12-01 01:01:06"))

我想为每个持续时间生成一个 ID，如下所示：

data <- data.frame(Time = c("2021-12-01 01:01:01","2021-12-01 01:01:02","2021-12-01 01:01:03","2021-12-01 01:01:05","2021-12-01 01:01:06"),Id = c(1,1,1,2,2))

使用 dplyr... 谢谢

Answer 1

前期：

cumsum(c(TRUE, as.numeric(diff(as.POSIXct(data$Time)), units = "secs") > 1L))
# [1] 1 1 1 2 2

首先，您应该真正使用真正的时间戳，而不是字符串。如果您要对 Time 字段进行其他操作，几乎可以肯定这将是一个类似数字的操作，因此您应该预先使用

data$Time <- as.POSIXct(data$Time)

这很容易在这里工作，因为它们按照"%Y-%m-%d %H:%M:%S"的默认格式格式正确；有关% 代码，请参见?strptime。

从这里开始，您想要跟踪时间差何时超过 1 秒。区分很容易：

as.numeric(diff(data$Time), units = "secs")
# [1] 1 1 2 1

确实，关键操作员是diff，但如果数据间隔足够大，它可以报告分钟或小时等；有一个内部启发式。将其包裹在 as.numeric(., units="secs") 中会强制它始终以秒为单位。

从这里开始，我们需要它大于 1 时的累积和，即> 1L，所以cumsum(. > 1L)。

请注意，我们的输入长度为 5，但输出长度为 4，因此意识到 差异 在两个元素之间是有意义的。我们强制第一个差异测试为TRUE。如果你后来改成POSIXt-class，那么原代码会稍微缩减为

cumsum(c(TRUE, as.numeric(diff(data$Time), units = "secs") > 1L))

因此将其存储为Id，

data$Id <- cumsum(c(TRUE, as.numeric(diff(data$Time), units = "secs") > 1L))