R语言按时间间隔分组：为时序数据添加cycle标识列

你可以通过时间差判断周期边界，再为每个周期分配起始时间作为cycle标识，具体实现如下：

步骤说明 #

1. 将date_time转换为可计算的POSIXct时间类型；
2. 计算相邻行的时间间隔，当间隔远大于连续数据的1秒间隔时（比如超过10分钟/600秒），标记为新周期起点；
3. 基于标记生成分组ID，最后为每个分组填充该组的第一个时间值作为cycle。

完整代码实现 #

library(dplyr)
library(lubridate)

# 原始数据
test <- wrapr::build_frame(
   "date_time"            , "automatic", "validate" |
     "2020-12-01 00:34:58", "sombra"   , "sombra"   |
     "2020-12-01 00:34:59", "organismo", "sombra"   |
     "2020-12-01 00:35:00", "partes"   , "sombra"   |
     "2020-12-01 00:35:01", "sombra"   , "sombra"   |
     "2020-12-01 00:36:02", "organismo", "sombra"   |
     "2020-12-01 00:36:03", "organismo", "partes"   |
     "2020-12-01 06:35:58", "sombra"   , "sombra"   |
     "2020-12-01 06:35:59", "partes"   , "sombra"   |
     "2020-12-01 06:36:00", "sombra"   , "sombra"   |
     "2020-12-01 06:36:01", "sombra"   , "partes"   |
     "2020-12-01 06:37:15", "organismo", "sombra"   |
     "2020-12-01 06:37:16", "partes"   , "sombra"   )

# 生成cycle列
test_result <- test %>%
  mutate(
    # 转换为时间类型
    date_time = ymd_hms(date_time),
    # 计算与前一行的时间差，第一行默认与自身差值为0
    time_diff = as.numeric(difftime(date_time, lag(date_time, default = first(date_time)), units = "secs")),
    # 标记新周期起点（间隔超过600秒判定为新周期）
    is_new_cycle = time_diff > 600,
    # 生成分组ID
    cycle_group = cumsum(is_new_cycle)
  ) %>%
  # 按分组取第一个时间作为cycle
  group_by(cycle_group) %>%
  mutate(cycle = first(date_time)) %>%
  ungroup() %>%
  # 转换回字符格式匹配原始数据，移除辅助列
  mutate(across(c(date_time, cycle), as.character)) %>%
  select(-time_diff, -is_new_cycle, -cycle_group)

# 查看结果
print(test_result)

结果验证 #

运行代码后，test_result的cycle列会完全符合你的期望：每个3分钟周期内的所有行，均以该周期的第一个时间值作为标识。

注意事项 #

• 阈值调整：代码中用600秒（10分钟）作为周期间隔判定标准，你可根据实际数据调整（比如间隔为30分钟时用1800秒），只要远大于连续数据的1秒间隔即可；
• 时间格式：如果原始date_time已是POSIXct类型，可跳过格式转换步骤。

内容的提问来源于stack exchange，提问作者Wilson Souza