分组DataFrame中ifelse计算时间差单位不一致的原因探究

我在计算两列间的条件时间差时发现一个问题：第一行结果以秒为单位，第三行却以分钟为单位。我的DataFrame是按group字段分组处理的，代码如下：

library(dplyr)

source <- data.frame(
  group = c(1,1,2),
  start = as.POSIXct(c("2023-12-01 00:00:00", "2023-12-01 00:01:00", "2023-12-01 00:00:00")),
  end = as.POSIXct(c("2023-12-01 00:01:00", "2023-12-01 00:01:00", "2023-12-01 00:01:00")),
  boolean_flag = c(TRUE, TRUE, TRUE)
)

reprex <- source %>%
  group_by(group) %>%
  mutate(length = ifelse(boolean_flag, end - start, 0)) %>%
  ungroup()

reprex

我知道改用if_else()，或者用指定unit="mins"的difftime()替代直接相减可以解决问题，但想搞明白当前代码出现这个问题的原因。另外，移除end与start相同的第二行后，问题也会消失。

问题原因 #

• 分组内计算end - start得到的是difftime类型对象，R会自动为每个分组选择最合适的时间单位——这个单位由分组内的最小时间差决定。
• 在第一个数据集里：
  • Group 1包含两行，第二行的时间差是0秒（组内最小），因此整个Group 1的时间单位被设为秒，第一行的60秒就显示为60 secs。
  • Group 2只有一行，时间差是1分钟，单位就设为分钟，显示为1 mins。
• 而基础R的ifelse()函数会破坏difftime的类型属性，合并不同分组的结果时，保留了各自的单位信息，最终导致同一列出现单位不一致的情况。用dplyr的if_else()（类型安全版本）则会统一输出类型，避免这个问题。

补充验证 #

更新后的数据集包含1天、1小时等不同跨度的时间差，能更清晰体现这个规律：

source <- data.frame(
  group = c(1,1,2,3,3,4),
  start = as.POSIXct(c("2023-12-01 00:00:00", "2023-12-01 00:01:00", "2023-12-01 00:00:00", "2023-12-01 00:00:00", "2023-12-01 00:00:00", "2023-12-01 00:00:00")),
  end = as.POSIXct(c("2023-12-01 00:01:00", "2023-12-01 00:01:00", "2023-12-01 00:01:00", "2023-12-02 00:00:00", "2023-12-01 01:00:00", "2023-12-01 01:00:00")),
  boolean_flag = c(TRUE, TRUE, TRUE, TRUE, TRUE, TRUE)
)

各组对应的时间单位：

• Group 1：秒（由第二行的0秒时间差决定）
• Group 2：分钟
• Group 3：小时（由第五行的1小时时间差决定）
• Group 4：天

内容的提问来源于stack exchange，提问作者Vincent