如何按类别对多地点时间序列的连续日期进行分组？

问题分析 #

你需要按地点（location）、分类（category）以及连续日期段分组汇总，原代码存在三个核心问题：

• 未将location和category纳入分组依据，会导致不同地点/分类的连续日期被错误合并
• mutate中使用==是逻辑判断而非赋值，属于语法错误
• 日期差计算总天数时未考虑“天数差+1”的逻辑（比如两天连续的日期差是1，但总天数是2）

正确代码 #

先确保Date列为日期格式（如果原始数据不是的话），再用dplyr完成分组汇总：

# 转换Date列为日期格式（若原始数据为字符型则执行）
df$Date <- as.Date(df$Date)

# 生成目标数据框
new_df <- df %>%
  # 第一步：按地点和分类分组，在组内标记连续日期块
  group_by(location, category) %>%
  mutate(
    # 标记连续日期分组：首行设为TRUE，后续行若与上一行日期差≠1则新建分组
    date_grp = cumsum(c(TRUE, diff(Date) != 1))
  ) %>%
  # 第二步：按地点、分类、连续日期块分组，汇总计算
  group_by(location, category, date_grp) %>%
  summarise(
    start_date = min(Date),
    end_date = max(Date),
    total_days = as.integer(end_date - start_date) + 1
  ) %>%
  # 移除临时分组列，调整列顺序
  ungroup() %>%
  select(location, start_date, end_date, total_days, category)

运行结果 #

执行后得到的new_df与你期望的结果完全一致：

内容的提问来源于stack exchange，提问作者BentBindle