如何编写R函数围绕验证值转置前n分钟的分钟级数据？

针对你的需求，核心是先筛选出所有已验证的记录，再关联同一ID下的前置59分钟观测数据，最后通过转置生成目标列。以下是R（tidyverse）和Python（pandas）的实现方案：

R 实现（基于tidyverse） #

假设你的原始数据框名为df，包含列：ID、Time（分钟级时间戳）、Measurement、Verified?（0/1标记）。

步骤1：预处理时间列与筛选验证记录 #

确保时间列是datetime类型，同时提取已验证的核心记录：

library(tidyverse)
library(lubridate)

# 若Time是字符型，先转换为datetime格式
df$Time <- ymd_hms(df$Time)

# 筛选已验证记录，保留ID、验证时间、验证点测量值
verified_records <- df %>%
  filter(`Verified?` == 1) %>%
  rename(Verified_Time = Time, Verified_Measurement = Measurement) %>%
  select(ID, Verified_Time, Verified_Measurement)

步骤2：关联前置59分钟数据并标记偏移量 #

将验证记录与同一ID下的前置59分钟观测数据关联，计算每个前置记录与验证时间的分钟差，生成列名前缀：

joined_data <- verified_records %>%
  left_join(df, by = "ID") %>%
  # 筛选验证时间前1至59分钟的记录
  filter(between(Time, Verified_Time - minutes(59), Verified_Time - minutes(1))) %>%
  # 计算分钟偏移量（1=前1分钟，59=前59分钟）
  mutate(minute_offset = as.integer(difftime(Verified_Time, Time, units = "mins"))) %>%
  mutate(col_name = str_c("min_", minute_offset)) %>%
  select(ID, Verified_Time, Verified_Measurement, col_name, Measurement)

步骤3：转置为宽表 #

通过pivot_wider将前置分钟数据转置为独立列：

final_result <- joined_data %>%
  pivot_wider(
    id_cols = c(ID, Verified_Time, Verified_Measurement),
    names_from = col_name,
    values_from = Measurement,
    values_fill = NA  # 缺失分钟数据用NA填充，可按需修改为0/均值等
  )

Python 实现（基于pandas） #

同样假设原始数据框名为df，列结构与上述一致。

步骤1：预处理与筛选验证记录 #

import pandas as pd
from datetime import timedelta

# 转换时间列为datetime类型
df['Time'] = pd.to_datetime(df['Time'])

# 提取已验证记录
verified_records = df[df['Verified?'] == 1].rename(
    columns={'Time': 'Verified_Time', 'Measurement': 'Verified_Measurement'}
)[['ID', 'Verified_Time', 'Verified_Measurement']]

步骤2：关联前置59分钟数据 #

使用merge_asof高效匹配同一ID下的时间范围内记录：

# 按ID和时间排序，确保merge_asof正常工作
df_sorted = df.sort_values(['ID', 'Time'])
verified_sorted = verified_records.sort_values(['ID', 'Verified_Time'])

# 计算每个验证记录的时间范围下限（前59分钟）
verified_sorted['start_time'] = verified_sorted['Verified_Time'] - timedelta(minutes=59)

# 关联前置数据，限制时间差不超过59分钟
joined_data = pd.merge_asof(
    verified_sorted,
    df_sorted,
    left_on='Verified_Time',
    right_on='Time',
    by='ID',
    direction='backward',
    tolerance=timedelta(minutes=59)
)

# 筛选1-59分钟的前置记录，生成列名
joined_data['minute_offset'] = (joined_data['Verified_Time'] - joined_data['Time']).dt.total_seconds() // 60
joined_data = joined_data[joined_data['minute_offset'].between(1, 59)]
joined_data['col_name'] = 'min_' + joined_data['minute_offset'].astype(int).astype(str)

步骤3：转置为宽表 #

final_result = joined_data.pivot(
    index=['ID', 'Verified_Time', 'Verified_Measurement'],
    columns='col_name',
    values='Measurement'
).reset_index().rename_axis(None, axis=1)

# 填充缺失值
final_result = final_result.fillna(pd.NA)

注意事项 #

• 确保时间列是标准datetime类型，否则时间差计算会出错；
• 若存在分钟级数据缺失，可通过values_fill参数设置填充值（如0、均值）；
• 若同一ID同一验证时间下存在重复的前置分钟记录，需先通过distinct()（R）或drop_duplicates()（Python）去重。

内容的提问来源于stack exchange，提问作者BeardedWisdom