如何用R根据连续变量的间断点分割数据集？

Python（Pandas）实现 #

1. 先构造示例数据（模拟你的真实数据集）：

import pandas as pd

data = pd.DataFrame({
    'Time': [1,2,3,4,5,6,10,11,12,20,21,22,23],
    'Value': range(13)  # 替换成你的真实列
})

2. 生成分组标记：
   通过计算每行Time与前一行的差值，当差值大于1时说明出现间断，以此为依据生成分组ID：

# 计算Time列的前后差值，首行差值填充为0
data['time_diff'] = data['Time'].diff().fillna(0)
# 每遇到一次间断（差值>1），分组ID加1
data['group_id'] = (data['time_diff'] > 1).cumsum()

3. 拆分数据集：
   用groupby按分组ID拆分，结果可存在字典或列表中方便后续调用：

# 拆分为字典，键为分组名，值为对应子数据集（移除临时列）
sub_datasets = {f'sub_df_{g}': group.drop(columns=['time_diff', 'group_id']) 
                for g, group in data.groupby('group_id')}

# 或者拆分为列表
sub_datasets_list = [group.drop(columns=['time_diff', 'group_id']) 
                     for _, group in data.groupby('group_id')]

拆分后，sub_datasets['sub_df_0']对应1-6的数据集，sub_df_1对应10-12，sub_df_2对应20-23。

R语言实现 #

1. 构造示例数据：

data <- data.frame(
  Time = c(1,2,3,4,5,6,10,11,12,20,21,22,23),
  Value = 1:13  # 替换成你的真实列
)

2. 生成分组ID：
   利用diff()计算Time列的前后差值，判断是否大于1，再用cumsum()生成连续的分组编号：

# 首行默认属于第一组，后续遇到间断则分组+1
group_id <- cumsum(c(TRUE, diff(data$Time) > 1))

3. 拆分数据集：
   用split()函数按分组ID拆分，结果是一个列表：

sub_datasets <- split(data, group_id)

sub_datasets[[1]]对应1-6的数据集，[[2]]对应10-12，[[3]]对应20-23。

内容的提问来源于stack exchange，提问作者Charlotte