R语言统计时间序列步段 查找Step=1最长持续时段

不需要手动写循环逐行判断0/1切换节点，利用相邻值变化生成分组ID的向量化技巧，几行代码就能完成全部统计，性能远高于手写迭代，逻辑也更清晰。

核心实现（data.table方案，适合大体积时序数据集） #

首先读入数据并做时间格式转换：

library(data.table)
# 读入示例数据
dt <- fread(text = "
Time_TS    Step
17:54:41    0
17:54:43    0
17:54:45    0
17:54:46    1
17:54:47    1
17:54:48    1
17:54:49    1
17:54:50    0
17:54:51    0
17:54:54    0
17:54:55    0
17:54:56    1
17:54:57    1
17:54:59    1
17:55:01    1
17:55:03    0
17:55:08    0
17:55:10    0
17:55:14    1
17:55:15    1
17:55:20    0
17:55:21    0
17:55:23    0
17:55:24    0
17:55:26    0
17:55:27    0
17:55:30    0
17:55:31    0
17:55:35    1
17:55:37    1
17:55:41    1
17:55:43    1
17:55:45    1
17:55:48    0
17:55:53    0
17:55:56    0
17:55:59    0
17:56:02    0
")
# 把时间字符串转为POSIXct时间类型
dt[, Time_TS := as.POSIXct(Time_TS, format = "%H:%M:%S")]

第一步：自动生成连续段ID #

核心逻辑只需要1行：当当前行Step值和上一行不一致时，段ID累加1，自动完成所有连续同值段的分组标记，不需要手动判断切换方向：

dt[, seg_id := cumsum(Step != shift(Step, fill = first(Step)))]

第二步：按需计算统计指标 #

• 统计总步段数：段ID从0开始计数，总段数为最大ID+1

total_segments <- max(dt$seg_id) + 1

• 计算所有Step=1连续段的持续时长：按段ID分组，取每组首尾时间做差即可

seg_stats <- dt[, .(
  step_value = first(Step),
  start = min(Time_TS),
  end = max(Time_TS),
  duration_sec = as.numeric(difftime(max(Time_TS), min(Time_TS), units = "secs"))
), by = seg_id]

step1_segments <- seg_stats[step_value == 1, .(seg_id, start, end, duration_sec)]

• 提取Step=1段的最大时长

max_step1_duration <- max(step1_segments$duration_sec)

示例数据运行结果 #

• 总连续步段数：9
• Step=1各段时长：
  • 17:54:46 ~ 17:54:49：3秒
  • 17:54:56 ~ 17:55:01：5秒
  • 17:55:14 ~ 17:55:15：1秒
  • 17:55:35 ~ 17:55:45：10秒
• Step=1段最大持续时长：10秒

dplyr/tidyverse 等价实现 #

如果习惯用tidyverse语法，逻辑完全一致：

library(dplyr)
df <- dt %>%
  mutate(seg_id = cumsum(Step != lag(Step, default = first(Step))))

total_segments <- max(df$seg_id) + 1

seg_stats <- df %>%
  group_by(seg_id) %>%
  summarise(
    step_value = first(Step),
    start = min(Time_TS),
    end = max(Time_TS),
    duration_sec = as.numeric(difftime(end, start, units = "secs")),
    .groups = "drop"
  )

step1_segments <- seg_stats %>% filter(step_value == 1)
max_step1_duration <- max(step1_segments$duration_sec)

方案优势 #

• 全程向量化运算，没有逐行循环逻辑，百万行级数据也能秒级出结果
• 通用性强，不管Step是二值还是多分类取值，都能自动识别连续分段，不需要针对特定值写切换判断
• 扩展灵活，后续如果需要统计0段时长、段内采样点数、段间隔等指标，直接在分组统计部分加计算逻辑即可

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