R语言按年月日分组统计所有连续小时段长度方法

• 运行环境已加载依赖包：dplyr、tidyr、data.table、lubridate、sqldf
• 待处理数据框结构参考：
• 统计规则：按年、月、日维度统计所有独立连续小时段的长度；同一日期内存在多段不相连的连续小时时，需返回全部分段时长，不可仅统计当日最大连续时长
• 期望输出字段：year、month、day、连续小时数
• 现有代码问题：返回结果存在重复值，仅能统计最大连续时长，原代码如下：

consec <- df1 %>%
  add_count((hour)!= 1, name = 'Count') %>%
  group_by(year,month,day) 

dplyr 实现（适配现有管道操作习惯） #

核心逻辑是先按时间顺序排序，通过相邻行小时差值识别连续段边界，给每个独立连续段分配唯一ID后分组计数，不会遗漏同日多段连续时长，也不会产生重复值：

library(dplyr)

consec_result <- df1 %>%
  # 按年、月、日、小时升序排列，保证时间顺序正确
  arrange(year, month, day, hour) %>%
  # 先按自然日分组
  group_by(year, month, day) %>%
  mutate(
    # 识别连续段边界：首行记为新段起点，当前行小时与上一行差值不为1时也是新段起点
    is_new_seg = ifelse(row_number() == 1, TRUE, hour - lag(hour) != 1),
    # 累计新段起点次数，生成每个连续段的唯一ID
    seg_id = cumsum(is_new_seg)
  ) %>%
  # 按自然日+连续段ID分组，统计段时长
  group_by(year, month, day, seg_id) %>%
  summarise(
    连续小时数 = n(),
    .groups = "drop"
  ) %>%
  # 移除中间生成的段ID字段，保留要求的4个输出列
  select(year, month, day, 连续小时数)

data.table 实现（适合百万行以上大数据量场景，性能更高） #

library(data.table)
# 转换为data.table格式
setDT(df1)

consec_result_dt <- df1[order(year, month, day, hour)][
  , .(连续小时数 = .N),
  # 直接在分组参数里生成连续段ID，省略中间赋值步骤
  by = .(year, month, day, seg_id = cumsum(c(TRUE, diff(hour) != 1)))
][, seg_id := NULL][]

注意：如果原始数据中同一个小时存在多条重复记录，需要先按year,month,day,hour去重后再运行上述代码，否则会把重复记录算入连续时长导致统计结果偏大。

内容的提问来源于stack exchange，提问作者Sam