使用R语言计算开关启停时段的NH4统计值及时长

原始数据集 #

data <- data.frame(
  time = c(20230301000000,20230301000010,20230301000020,20230301000030,20230301000040,
           20230301000050,20230301000100,20230301000110,20230301000120,20230301000130,
           20230301000140,20230301000150,20230301000200,20230301000210,20230301000220,
           20230301000230,20230301000240,20230301000250,20230301000300),
  switch = c(40,41,42,43,0,0,0,51,52,53,0,0,0,55,56,57,52,0,0),
  NH4 = c(2,2,3,3,3,5,4,9,9,9,10,11,12,4,4,5,5,7,8)
)

需求说明 #

• switch > 0表示开关开启，switch = 0表示开关关闭
• 需计算每次开关状态的持续时长（单位：秒）
• 每个状态时段内计算NH4的最小值、平均值、最大值：
  • 开启状态对应on_NH4_min、on_NH4_avg、on_NH4_max
  • 关闭状态对应off_NH4_min、off_NH4_avg、off_NH4_max

期望输出 #

summary_data <- data.frame(
  on_NH4_min = c(2,9,4),
  on_NH4_avg = c(2.5,9,4.5),
  on_NH4_max = c(3,9,5),
  off_NH4_min = c(3,10,7),
  off_NH4_avg = c(4,11,7.5),
  off_NH4_max = c(5,12,8),
  on_time = c(30,20,30),
  off_time = c(30,30,20)
)

原代码问题说明 #

之前的代码错误地将所有开启/关闭状态合并统计，没有按连续的状态区间分组，导致无法得到每个时段的单独统计结果。

正确代码实现 #

library(dplyr)
library(tidyr)

# 1. 标记开关状态，生成连续状态区间的分组ID
data_processed <- data %>%
  mutate(
    switch_state = ifelse(switch > 0, "on", "off"),
    # 当状态变化时，分组ID递增
    group_id = cumsum(switch_state != lag(switch_state, default = first(switch_state)))
  )

# 2. 按分组ID和状态分组，计算每个时段的统计量和时长
interval_stats <- data_processed %>%
  group_by(group_id, switch_state) %>%
  summarise(
    NH4_min = min(NH4),
    NH4_avg = mean(NH4),
    NH4_max = max(NH4),
    # 计算时长：将time转为时间格式后计算差值，单位秒
    duration = as.numeric(difftime(
      as.POSIXct(last(time), format = "%Y%m%d%H%M%S"),
      as.POSIXct(first(time), format = "%Y%m%d%H%M%S"),
      units = "secs"
    )) + 10  # 补全最后一个数据点到时段结束的10秒间隔
  ) %>%
  ungroup()

# 3. 将on/off状态的统计量宽格式展开，并按顺序对齐
summary_data <- interval_stats %>%
  pivot_wider(
    names_from = switch_state,
    values_from = c(NH4_min, NH4_avg, NH4_max, duration),
    names_glue = "{switch_state}_{.value}"
  ) %>%
  # 调整列名匹配期望输出
  select(
    on_NH4_min, on_NH4_avg, on_NH4_max,
    off_NH4_min, off_NH4_avg, off_NH4_max,
    on_time = on_duration, off_time = off_duration
  )

# 查看结果
print(summary_data)

代码说明 #

1. 状态分组：通过cumsum(switch_state != lag(switch_state))生成连续状态的分组ID，确保每个连续的on/off时段被单独分组。
2. 时长计算：将time列转为POSIX时间格式，计算时段首尾的时间差，再加上最后一个数据点到时段结束的10秒（数据每10秒采集一次）。
3. 宽格式转换：使用pivot_wider将on/off状态的统计量展开为期望的列名格式，确保每个时段的on和off统计量对应成行。

内容的提问来源于stack exchange，提问作者Lee