如何在R中基于日期创建天数变量？需处理跨午夜数据

核心思路 #

先将带时间的日期转换为标准时间格式，然后把午夜后（如00:00-06:00）的记录日期向前推一天，最后按参与者分组，基于调整后的日期计算相对于该参与者最早记录日期的天数（第1天、第2天...）。

R语言实现 #

假设你的数据框为df，包含participant_id（参与者ID）和date（带时间的日期字符串）两列：

1. 加载依赖包并转换日期格式

library(dplyr)
library(lubridate)

# 转换为datetime类型，根据原始日期格式调整函数（如dmy_hms对应日/月/年）
df <- df %>% mutate(datetime = mdy_hms(date))

2. 调整日期（将凌晨00:00-06:00的记录归为前一天）

df <- df %>%
  mutate(adjusted_date = ifelse(
    hour(datetime) < 6,  # 可修改阈值，比如改为<3则凌晨3点前都归前一天
    date(datetime) - days(1),
    date(datetime)
  )) %>%
  mutate(adjusted_date = as.Date(adjusted_date))

3. 按参与者计算天数变量

df <- df %>%
  group_by(participant_id) %>%
  mutate(day = as.integer(adjusted_date - min(adjusted_date)) + 1) %>%
  ungroup()

Python（Pandas）实现 #

假设你的数据框为df，列名同上：

1. 转换日期格式

import pandas as pd

# 转换为datetime类型，format参数匹配原始日期格式（如'%d/%m/%Y %H:%M'对应日/月/年）
df['datetime'] = pd.to_datetime(df['date'], format='%m/%d/%Y %H:%M')

2. 调整日期（将凌晨00:00-06:00的记录归为前一天）

# 定义时间阈值，可修改为3小时、4小时等
threshold = pd.Timedelta(hours=6)

df['adjusted_date'] = df['datetime'].apply(
  lambda x: x.date() - pd.Timedelta(days=1) if x.time() < threshold else x.date()
)

3. 按参与者计算天数变量

# 分组后计算每条记录与该参与者最早调整日期的差值，加1得到第N天
df['day'] = df.groupby('participant_id')['adjusted_date'].transform(
  lambda x: (x - x.min()).dt.days + 1
)

注意事项 #

• 时间阈值可根据实际需求修改，比如你希望所有午夜后的记录都归前一天，只需把R中的hour(datetime) < 6改为hour(datetime) > 0，Python中把threshold设为pd.Timedelta(hours=24)即可。
• 日期格式转换时必须匹配原始数据的格式，避免解析错误。

内容的提问来源于stack exchange，提问作者MAIMAU