R语言实现按发送者合并5分钟时间窗口内的WhatsApp消息DataFrame行

我来帮你解决这个问题！你的需求是把同一发送者在5分钟时间窗口内的多条消息合并，这个需求可以通过dplyr结合lubridate轻松实现，核心思路是先给每个时间窗口创建分组标识，再按分组聚合消息。

步骤详解 #

首先确保数据的时间格式正确，然后按发送者分组排序，接着计算相邻消息的时间差来划分窗口，最后合并同一窗口内的消息。

1. 构造示例数据（和你的示例一致）

library(dplyr)
library(lubridate)
library(stringr)

messageTable <- tibble(
  Message = c("hello", "how are you?", "do you reply?", "Hi", "Hi"),
  Time = ymd_hms(c("2018-12-14 16:27:00", "2018-12-14 16:29:00", "2018-12-15 12:00:00", "2018-12-14 16:30:00", "2018-12-15 16:36:00")),
  Sender = c(300, 300, 300, 200, 200)
)

2. 核心处理代码

merged_messages <- messageTable %>%
  # 确保Time列是datetime类型（如果原始数据不是的话）
  mutate(Time = ymd_hms(Time)) %>%
  # 按发送者分组，同时按时间排序（必须保证顺序正确，否则时间差计算会出错）
  group_by(Sender) %>%
  arrange(Time, .by_group = TRUE) %>%
  # 计算当前消息与上一条的时间差（秒），并创建窗口分组ID
  mutate(
    # 第一条消息的时间差设为0，后续计算和上一条的差值
    time_diff_sec = as.numeric(duration(Time - lag(Time, default = first(Time)))),
    # 每当时间差超过5分钟（300秒），就生成新的分组
    group_id = cumsum(time_diff_sec > 300)
  ) %>%
  # 按发送者+窗口分组聚合
  group_by(Sender, group_id) %>%
  summarise(
    # 合并消息为空格分隔的字符串
    Message = str_c(Message, collapse = " "),
    # 保留窗口内最早的时间
    Time = first(Time),
    .groups = "drop"
  ) %>%
  # 整理成你需要的列顺序
  select(Message, Time, Sender)

3. 查看结果

运行后你会得到和期望完全一致的输出：

# A tibble: 4 × 3
  Message               Time                Sender
  <chr>                 <dttm>               <dbl>
1 hello how are you?    2018-12-14 16:27:00    300
2 do you reply?         2018-12-15 12:00:00    300
3 Hi                    2018-12-14 16:30:00    200
4 Hi                    2018-12-15 16:36:00    200

为什么你的原代码没生效？ #

你之前用group_map结合Reduce的思路方向是对的，但缺少了时间窗口分组标识的创建逻辑，只是单纯比较时间大小，没有把连续的时间窗口归为同一组。上面的方法通过cumsum生成分组ID，能清晰地把同一5分钟窗口内的消息绑定在一起，逻辑更直观也更容易维护。

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