求助：足球赛事数据集按自定义时段分组计算平均观众人数

现有某赛季约30行的足球赛事赛程数据集，包含变量：

• 比赛日期
• 比赛时间（格式如7:40pm、3:35pm）
• 观众人数
• 主队
• 客队

需要将比赛时间按周五晚、周六下午、周六晚、周日下午、周日晚间自定义分组，并计算每个时段的平均观众人数。以下是具体实现方法：

方法一：基础R实现 #

1. 转换时间格式，提取小时数 #

首先把字符串格式的比赛时间转换成可提取小时的格式，方便后续分组：

# 将比赛时间转为时间格式，提取24小时制的小时数
new_data$hour <- as.numeric(strftime(strptime(new_data$比赛时间, "%I:%M%p"), "%H"))

2. 创建自定义时段分组 #

根据星期几和小时数，给每行数据标记对应的时段：

# 生成时段列，可根据实际赛事时段调整小时阈值
new_data$时段 <- with(new_data, 
  ifelse(Day == "Friday" & hour >= 18, "周五晚",
  ifelse(Day == "Saturday" & hour >= 12 & hour < 18, "周六下午",
  ifelse(Day == "Saturday" & hour >= 18, "周六晚",
  ifelse(Day == "Sunday" & hour >= 12 & hour < 18, "周日下午",
  ifelse(Day == "Sunday" & hour >= 18, "周日晚间", NA))))
)

注：这里默认下午为12:00-18:00，晚间为18:00及以后，可根据实际需求调整小时范围。

3. 计算各时段平均观众数 #

用aggregate函数完成分组统计：

# 按时段分组计算平均观众数，忽略NA值
时段平均观众 <- aggregate(Crowd ~ 时段, data = new_data, FUN = mean, na.rm = TRUE)
print(时段平均观众)

方法二：tidyverse工具实现（更简洁） #

如果习惯用dplyr和lubridate，代码可读性和简洁性更好：

library(dplyr)
library(lubridate)

# 一站式完成时间转换、分组、统计
时段平均观众 <- new_data %>%
  # 解析比赛时间，提取小时数
  mutate(
    时间 = parse_time(比赛时间, "%I:%M%p"),
    hour = hour(时间)
  ) %>%
  # 定义时段分组逻辑
  mutate(
    时段 = case_when(
      Day == "Friday" & hour >= 18 ~ "周五晚",
      Day == "Saturday" & between(hour, 12, 17) ~ "周六下午",
      Day == "Saturday" & hour >= 18 ~ "周六晚",
      Day == "Sunday" & between(hour, 12, 17) ~ "周日下午",
      Day == "Sunday" & hour >= 18 ~ "周日晚间",
      TRUE ~ NA_character_
    )
  ) %>%
  # 分组计算平均观众数
  group_by(时段) %>%
  summarise(平均观众数 = mean(Crowd, na.rm = TRUE)) %>%
  ungroup()

print(时段平均观众)

额外说明 #

• 如果需要更精确的时段划分（比如按17:30分界），可以把小时数转换成带小数的形式：hour + minute(时间)/60，再调整阈值
• 不在上述时段的比赛会被标记为NA，可根据需求添加过滤或归为其他组的逻辑

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