在R中按ID分组处理时间数据并添加score二值列的方法

现有包含inst、ID、time_B字段的数据集（示例数据如下），其中ID代表不同的鱼。需求为新增名为score的列：若该行的time_B占对应ID总时间的50%以上则赋值1，否则赋值0。此前使用aggregate函数（aggregate(B ~ fish_ID, data = allBlue, mean)）计算每个ID的均值，但需要适配大数据集的高效实现方案。

示例数据集 #

高效实现方案 #

针对大数据集，推荐使用data.table或dplyr包，二者均通过向量化分组操作实现高效计算，远优于base R的aggregate函数。

方案1：使用data.table #

data.table专为大数据处理优化，内存占用低、运算速度快：

# 加载包
library(data.table)

# 将数据集转换为data.table（若原数据是data.frame）
dt <- as.data.table(your_data)

# 分组计算每个ID的总时间，新增score列
dt[, total_time := sum(time_B), by = ID]
dt[, score := as.integer(time_B / total_time > 0.5)]

# 可选：删除临时的total_time列
dt[, total_time := NULL]

方案2：使用dplyr（tidyverse生态） #

dplyr代码可读性高，适合习惯tidy语法的用户，同样支持高效分组操作：

# 加载包
library(dplyr)

# 分组计算并新增score列
your_data <- your_data %>%
  group_by(ID) %>%
  mutate(total_time = sum(time_B),
         score = as.integer(time_B / total_time > 0.5)) %>%
  ungroup() %>%
  select(-total_time)  # 可选：移除临时列

关键说明 #

• 两个方案均直接在原数据集上进行分组计算，避免了aggregate需要合并结果的额外开销
• as.integer()将布尔值（TRUE/FALSE）转换为1/0，满足score列的赋值需求
• 若数据集规模极大，data.table的性能优势会更明显；dplyr则胜在代码简洁易维护

内容的提问来源于stack exchange，提问作者Balina