如何使用lubridate提取每日重复时间区间内的数据？

针对你的大样本数据集（20万/40万行），结合Tidyverse和lubridate工具，以下是几种高效可行的过滤方法：

方法1：时间分量数值判断（最简洁高效） #

利用lubridate的时间提取函数，将小时、分钟转为总分钟数后直接过滤，运算速度快，适合大数据量：

library(tidyverse)
library(lubridate)

df_filtered <- df %>%
  filter(between(hour(datetime)*60 + minute(datetime), 7*60, 17*60))

解释：把每日时间转换成从0点开始的总分钟数（7:00=420分钟，17:00=1020分钟），用between()直接筛选落在区间内的记录，逻辑清晰且性能最优。

方法2：生成当日完整时间区间判断 #

如果需要明确使用区间逻辑，可为每行生成当日7:00-17:00的完整datetime区间，再用%within%匹配：

df_filtered <- df %>%
  mutate(
    day_start = floor_date(datetime, "day"),
    valid_interval = interval(day_start + hours(7), day_start + hours(17))
  ) %>%
  filter(datetime %within% valid_interval) %>%
  select(-day_start, -valid_interval) # 清理临时列

解释：这里的区间是包含日期的完整datetime区间，和每行的datetime类型匹配，因此%within%可以正常生效，适合需要保留区间逻辑的场景。

方法3：转为hms时间对象判断 #

若想保留单独的时间列，可将时间转为hms类型后直接比较：

library(tidyverse)
library(hms)

df_filtered <- df %>%
  mutate(time = as_hms(datetime)) %>%
  filter(time >= parse_hm("07:00") & time <= parse_hm("17:00"))

解释：as_hms()会提取datetime中的时分秒生成专门的时间对象，支持直接大小比较，比字符串格式的时间列更可靠。

原有方法失效原因说明 #

• interval(hm('07:00'), hm('17:00'))创建的是时长区间（仅表示7小时到17小时的时长范围），而非一天中的时间点区间，无法匹配完整datetime。
• format(datetime, "%H:%M")生成的是字符串，%within%仅支持lubridate的datetime/interval类型，不支持字符串比较。
• 0700:1700是整数序列，和时间格式完全不匹配，自然无法过滤有效记录。

内容的提问来源于stack exchange，提问作者Bettina