基于R语言计算时间序列中状态持续时长与状态变更次数

数据背景 #

我有一个含两列的数据框：Time列存储图片的时间戳，State列存储图片显示的状态。数据覆盖数周时间，每日包含数百行，连续行的状态可能保持不变或发生变更。

示例数据 #

需要完成的计算 #

• 整个周期内各状态的持续时长（单位：秒）
• 每日各状态的持续时长（单位：秒）
• 每次状态变更前该状态的持续时长（单位：秒）
• 整个周期及每日的状态变更次数

已尝试的代码 #

library(dplyr)
library(data.table)

# 读取数据框
dat <- read.csv("Lala.csv")

dat$Time <- as.character(dat$Time)
dat$Time <- as.POSIXct(dat$Time, format="%Y%m%d%H%M%S", tz="CET")
dat$Time

dat$State <- as.factor(dat$State)

# 为连续相同状态的序列分配唯一编号
setDT(dat)
dat[, state_run := cumsum(c(TRUE, diff(as.integer(dat$State)) != 0L))]
head(dat,20)

# 计算各状态的持续时长
dat2 <- dat[, list(StartTime = min(Time),
                     State = State[1],
                     Duration = diff(range(Time))), by = state_run]

现有问题 #

上述代码计算的是同一状态序列首行到末行的时长，而非该状态结束（即下一个状态首行）的时长，无法得到正确结果。

预期输出 #

每日状态持续时长 #

总状态持续时长 #

每日状态变更次数 #

解决方案 #

完整代码 #

library(data.table)

# 读取并预处理数据
dat <- fread("Lala.csv")
dat[, Time := as.POSIXct(Time, format = "%Y%m%d%H%M%S", tz = "CET")]
dat[, State := as.factor(State)]
# 按时间排序，确保数据时序正确
setorder(dat, Time)

# 生成连续状态段ID
dat[, state_run := rleid(State)]

# 获取每个状态段的开始时间、状态
state_segments <- dat[, .(StartTime = min(Time), State = first(State)), by = state_run]
# 添加每个状态段的结束时间：下一个状态段的开始时间，最后一个用当日23:59:59
state_segments[, EndTime := shift(StartTime, type = "lead", fill = as.POSIXct(paste0(as.Date(max(dat$Time)), " 23:59:59"), tz = "CET"))]

# 计算每个状态段的持续时长（秒）
state_segments[, Duration := as.numeric(difftime(EndTime, StartTime, units = "secs"))]

# 1. 整个周期各状态总时长
total_duration <- state_segments[, .(TotalDuration = sum(Duration)), by = State]
print("总状态持续时长：")
print(total_duration)

# 2. 每日各状态持续时长
# 先拆分状态段跨天的情况（如果有的话）
state_segments[, DayStart := as.POSIXct(as.Date(StartTime), tz = "CET")]
state_segments[, DayEnd := DayStart + 86399] # 当日23:59:59

# 处理跨天的状态段
split_segments <- state_segments[, {
  if (EndTime <= DayEnd) {
    .(Day = as.Date(StartTime), State = State, Duration = Duration)
  } else {
    # 第一段：从StartTime到DayEnd
    dur1 <- as.numeric(difftime(DayEnd, StartTime, units = "secs"))
    # 第二段：从下一天00:00:00到EndTime
    next_day_start <- DayStart + 86400
    dur2 <- as.numeric(difftime(EndTime, next_day_start, units = "secs"))
    .(Day = c(as.Date(StartTime), as.Date(next_day_start)), State = rep(State, 2), Duration = c(dur1, dur2))
  }
}, by = state_run]

# 聚合每日各状态时长，同时补全所有状态的0值
all_states <- unique(dat$State)
all_days <- unique(as.Date(dat$Time))
full_grid <- expand.grid(Day = all_days, State = all_states)

daily_duration <- merge(full_grid, split_segments[, .(Duration = sum(Duration)), by = .(Day, State)], 
                        by = c("Day", "State"), all.x = TRUE)
daily_duration[is.na(Duration), Duration := 0]
print("每日状态持续时长：")
print(daily_duration)

# 3. 每次状态变更前的状态持续时长
# 排除最后一个状态段（没有后续变更）
change_durations <- state_segments[-.N, .(PrevState = State, DurationBeforeChange = Duration)]
print("每次状态变更前的状态持续时长：")
print(change_durations)

# 4. 状态变更次数
# 整个周期变更次数
total_changes <- nrow(state_segments) - 1
print(paste("整个周期状态变更次数：", total_changes))

# 每日变更次数
# 先找出所有变更发生的时间点（每个状态段的EndTime，除了最后一个）
change_times <- state_segments[-.N, .(ChangeTime = EndTime)]
change_times[, Day := as.Date(ChangeTime)]
daily_changes <- change_times[, .(ChangeCount = .N), by = Day]
# 补全没有变更的日期
daily_changes <- merge(data.table(Day = all_days), daily_changes, by = "Day", all.x = TRUE)
daily_changes[is.na(ChangeCount), ChangeCount := 0]
setnames(daily_changes, "ChangeCount", "# of State changes")
print("每日状态变更次数：")
print(daily_changes)

关键说明 #

• rleid(State)：data.table内置函数，高效生成连续相同状态的分组ID，替代手动cumsum逻辑更简洁可靠。
• 跨天状态段处理：如果一个状态持续到次日，会拆分为两段分别统计当日时长，保证每日数据准确。
• 补全0值：通过expand.grid生成所有日期与状态的组合，确保每个日期下所有状态都有记录，无数据的状态时长设为0，匹配预期输出格式。
• 变更次数计算：状态变更次数等于状态段总数减1；每日变更次数统计该日期内发生的状态切换点数量，无变更的日期补0。

内容的提问来源于stack exchange，提问作者Zeljko