如何用R的rowsum转换数据分辨率（mm/帧转mm/分钟）？排查报错

常见报错原因分析 #

• 时间列格式/取值异常：如果时间列不是纯数值型（比如带单位字符串）、存在超出25分钟实验时长的异常值，或是用which()划分时间区间时遗漏了边界（比如24-25分钟的区间），会导致部分数据无法被正确分类，rowsum遇到未分组的NA值就会报错。
• 分类变量生成逻辑错误：which()返回的是逻辑向量，若直接把多个逻辑向量作为分组依据，rowsum无法识别——它要求每个观测对应唯一的分组标识（整数/因子），而非多个子集的逻辑判断。
• 噪声数据干扰：时间列的异常戳、重复值会让which()筛选出不符合预期的子集，生成的分组变量出现NA，进而中断rowsum计算。

替代方案（无需which()，更稳定） #

直接基于时间列计算分钟分组，逻辑更简洁，避免which()的边界问题：

1. 生成分钟分组变量 #

假设时间列time_sec是秒级小数（范围0.033到1500秒，对应25分钟实验）：

# 生成0-24的分钟分组（对应第1到第25分钟）
df$minute_group <- floor(df$time_sec / 60)
# 若要从1开始编号（1-25），用：
df$minute_group <- floor(df$time_sec / 60) + 1

如果时间列本身是分钟级小数（0到25），直接执行floor(df$time_min)即可。

2. 计算每帧游动距离（替代Ethovision差分算法） #

自行用坐标计算欧氏距离，规避软件自带算法的缺陷：

library(dplyr)
df <- df %>%
  group_by(fish_id) %>%
  # 计算相邻帧的距离，第一帧距离设为0
  mutate(distance = sqrt((x_pos - lag(x_pos))^2 + (y_pos - lag(y_pos))^2)) %>%
  replace_na(list(distance = 0))

3. 统计每分钟累计距离 #

用dplyr更直观，也可用rowsum实现：

# dplyr版本（推荐，可读性强）
minute_total <- df %>%
  group_by(fish_id, minute_group) %>%
  summarise(total_mm = sum(distance, na.rm = TRUE))

# rowsum版本（需将多分组组合成唯一标识）
minute_total <- rowsum(df$distance, group = interaction(df$fish_id, df$minute_group))

大数据量优化建议 #

针对数百条鱼的海量数据，用data.table提升处理速度：

library(data.table)
setDT(df)
# 按鱼ID分组计算相邻帧距离
df[, distance := sqrt((x_pos - shift(x_pos))^2 + (y_pos - shift(y_pos))^2), by = fish_id]
df[is.na(distance), distance := 0]
# 统计每分钟累计游动距离
minute_total <- df[, .(total_mm = sum(distance)), by = .(fish_id, minute_group)]

还可提前过滤坐标噪声：

df <- df %>%
  group_by(fish_id) %>%
  filter(x_pos > quantile(x_pos, 0.01) & x_pos < quantile(x_pos, 0.99),
         y_pos > quantile(y_pos, 0.01) & y_pos < quantile(y_pos, 0.99))

内容的提问来源于stack exchange，提问作者Samuel Lang