R语言：按日期和小时统计ID工作频次（含短时长取整）

步骤说明 #

要实现按日期+小时统计ID工作频次，并对不足5分钟的时长取整，可按以下流程处理：

1. 将每条登录登出记录拆分为其覆盖的所有小时区间
2. 计算每个小时区间内的实际工作时长
3. 过滤或取整不足5分钟的无效时长
4. 按日期和小时分组统计活跃ID的频次

R代码实现 #

# 加载依赖包
library(tidyverse)
library(lubridate)

# 导入数据集
df <- structure(list(ID = c(1, 2, 2, 3, 4, 5, 6, 6, 7), 
                     Start = structure(c(1682980601.9993, 1682976528.9996, 1682981213.9999, 1682976550, 1682977034.9995, 1682976647.9992, 1682974125.9996, 1682976497.9993, 1682979153.9993), class = c("POSIXct", "POSIXt"), tzone = "UTC"), 
                     End = structure(c(1683009115.9995, 1682980675.9992, 1683010288.9996, 1683010949.9993, 1683008750.9992, 1683007497, 1682976313.9993, 1683008357.9993, 1683008503.9998), class = c("POSIXct", "POSIXt"), tzone = "UTC")), 
                row.names = c(NA, -9L), class = c("tbl_df", "tbl", "data.frame"))

# 数据处理与统计
hourly_stats <- df %>%
  # 生成每条记录覆盖的所有小时区间
  mutate(hour_seq = map2(Start, End, ~seq(floor_date(.x, "hour"), ceiling_date(.y, "hour"), by = "hour"))) %>%
  unnest(hour_seq) %>%
  # 计算当前小时内的实际工作时长（分钟）
  mutate(
    interval_start = pmax(Start, hour_seq),
    interval_end = pmin(End, hour_seq + hours(1)),
    duration_min = as.duration(interval_end - interval_start) / dminutes(1),
    # 过滤不足5分钟的无效时长
    is_valid = duration_min >= 5
  ) %>%
  filter(is_valid) %>%
  # 按日期、小时分组统计活跃ID频次
  mutate(
    统计日期 = date(hour_seq),
    统计小时 = hour(hour_seq)
  ) %>%
  group_by(统计日期, 统计小时) %>%
  summarise(
    活跃ID数量 = n_distinct(ID),
    总有效时长_分钟 = sum(duration_min) %>% round(1)
  ) %>%
  ungroup()

# 查看结果
print(hourly_stats)

代码说明 #

• 小时区间拆分：通过floor_date和ceiling_date锁定每条记录覆盖的首尾整点小时，生成完整的小时序列
• 时长计算：取登录时间与小时区间的较晚值作为区间起点，登出时间与小时区间的较早值作为区间终点，计算实际停留时长
• 无效时长过滤：直接过滤时长不足5分钟的记录，确保统计的是有效活跃的ID
• 频次统计：按日期和小时分组，用n_distinct(ID)统计该时段内的活跃ID数量，同时可计算总有效时长作为补充指标

自定义取整规则 #

如果需要将时长按5分钟单位取整（而非直接过滤），可替换is_valid部分的代码：

# 向下取整到最近的5分钟倍数
duration_rounded = floor(duration_min / 5) * 5
# 向上取整到最近的5分钟倍数
duration_rounded = ceiling(duration_min / 5) * 5
# 四舍五入到最近的5分钟倍数
duration_rounded = round(duration_min / 5) * 5

内容的提问来源于stack exchange，提问作者Mo S