在R中按时间连续性规则分组数据并汇总薪资

问题说明 #

需按NAME和CLASS分组后，依据TIME的连续性规则合并分组并汇总薪资：

• TIME为字符类型，格式为「开始时间结束时间」（例如1213代表12点至13点）
• 连续判定规则：前一项的结束时间等于后一项的开始时间（如1213、1314、1415属于连续序列）
• 连续序列需合并为单个组，TIME显示为「首个开始时间+最后一个结束时间」（上述示例合并为1215），并汇总该组薪资；不连续的TIME则各自单独成组

示例输入数据 #

df <- data.frame(NAME = c("ALEX", "ALEX", "ALEX", "BRODI", "BRODI", "BRODI"),
                 CLASS = c("A", "A", "A", "B", "B", "B"),
                 TIME = c(1213, 1314, 1415, 1213, 1415, 1617),
                 SALARY = c(100, 200, 300, 100, 200, 300))

期望输出结果 #

df2 <- data.frame(NAME = c("ALEX", "BRODI", "BRODI", "BRODI"),
                 CLASS = c("A", "B", "B", "B"),
                 TIME = c(1215, 1213, 1415, 1617),
                 SALARY = c(600, 100, 200, 300))

解决方案 #

使用dplyr包实现分组逻辑，步骤为拆分时间字段、标记连续组、汇总分组数据，完整代码如下：

library(dplyr)

df_processed <- df %>%
  # 拆分TIME为开始/结束时间，转为数值型便于判断
  mutate(
    start_time = as.numeric(substr(TIME, 1, 2)),
    end_time = as.numeric(substr(TIME, 3, 4))
  ) %>%
  # 按NAME、CLASS分组，每组内按开始时间排序
  group_by(NAME, CLASS) %>%
  arrange(start_time, .by_group = TRUE) %>%
  # 标记连续状态，并生成连续组ID
  mutate(
    is_continuous = ifelse(row_number() == 1, TRUE, start_time == lag(end_time)),
    group_id = cumsum(!is_continuous)
  ) %>%
  # 按新分组汇总数据
  group_by(NAME, CLASS, group_id) %>%
  summarise(
    TIME = paste0(first(start_time), last(end_time)),
    SALARY = sum(SALARY),
    .groups = "drop"
  ) %>%
  # 移除临时分组ID列
  select(-group_id)

# 查看最终结果
df_processed

代码解释 #

• substr(TIME, 1, 2)/substr(TIME, 3, 4)：拆分TIME字符串，提取独立的开始、结束时间
• arrange(start_time, .by_group = TRUE)：确保每组内时间按顺序排列，保证连续性判断的准确性
• cumsum(!is_continuous)：生成连续组的唯一ID，每遇到一次不连续情况，分组ID递增，将连续时间归为同一组
• paste0(first(start_time), last(end_time))：合并连续组的首尾时间，生成新的TIME值；sum(SALARY)完成薪资汇总

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