如何在R语言中按用户及场所连续时段分组汇总使用时长？

假设记录了随机使用手机的时长数据，需要计算每个用户在连续场所时段的总使用时长（比如Lily有3个连续时段：首次home、随后school、最后home；Sam有2个时段：school、home），无需手动标记period字段，直接从原始数据得到结果。

原始数据的生成代码：

# 生成数据框
library(dplyr)
set.seed(1234)
my_data <- data.frame(
  name = c(rep("Lily", 6), rep("Sam", 4)), 
  log_order = c(1:6, 1:4), 
  place = c(
    rep("home", 2), rep("school", 2), rep("home", 2), 
    rep("school", 2), rep("home", 2)
  ), 
  use_time = sample(1:10, 10)
)

# 查看原始数据
my_data
#>   name log_order  place use_time
#> 1  Lily         1   home       10
#> 2  Lily         2   home        6
#> 3  Lily         3 school        5
#> 4  Lily         4 school        4
#> 5  Lily         5   home        1
#> 6  Lily         6   home        8
#> 7   Sam         1 school        2
#> 8   Sam         2 school        7
#> 9   Sam         3   home        9
#> 10  Sam         4   home        3

期望的最终结果：

#>   name  place tot_use_time
#>   <chr> <chr>        <int>
#> 1 Lily  home            16
#> 2 Lily  school           9
#> 3 Lily  home             9
#> 4 Sam   school           9
#> 5 Sam   home            12

解决方案 #

通过dplyr的分组和累加逻辑自动生成连续时段的分组标识，无需手动标记period：

my_data %>%
  group_by(name) %>%
  # 自动生成连续时段的分组编号
  mutate(period = cumsum(place != lag(place, default = first(place)))) %>%
  # 按用户、时段、场所汇总时长
  group_by(name, period, place) %>%
  summarise(tot_use_time = sum(use_time), .groups = "drop") %>%
  # 移除period字段
  select(-period)

代码逻辑说明 #

1. group_by(name)：按用户分组，确保每个用户的时段判断独立
2. mutate(period = cumsum(place != lag(place, default = first(place))))：
   • lag(place, default = first(place))：获取当前记录的上一条场所值，第一条记录默认用自身的场所值
   • place != lag(...)：判断当前场所是否和上一条不同，不同则返回TRUE（即1），相同则返回FALSE（即0）
   • cumsum()：累加上述逻辑值，相同的连续场所会被分到同一个period组
3. 后续的group_by和summarise完成时长汇总，最后移除period字段得到期望结果

内容的提问来源于stack exchange，提问作者Kang