R语言如何跨两表按指定时间区间汇总求和Points值

针对数千行级别的时间窗口聚合场景，最高效的实现方式是用data.table的非等值连接做区间匹配，避免嵌套循环的O(n*m)性能损耗，毫秒级即可出结果。

核心实现逻辑 #

不要用逐行遍历、条件过滤的写法，这类写法本质是双重循环，数据量上涨后性能会快速下降。data.table的非等值连接底层基于排序后二分查找做匹配，时间复杂度为O(nlogn)，几千甚至几十万行规模都能稳定运行。

完整实现代码 #

# 加载依赖包
library(data.table)
library(lubridate)

# 转换为data.table对象，复制原数据避免修改原始输入
dt_your <- as.data.table(yourdf)
dt_my <- as.data.table(mydf)

# 字段类型预处理
dt_your[, `:=`(
  Start = as.POSIXct(Start),
  End = as.POSIXct(Start) + minutes(10) # 生成10分钟窗口结束时间
)]
dt_my[, `:=`(
  Timepoint = as.POSIXct(Timepoint),
  Points = as.numeric(Points) # 示例中Points为字符型，必须转数值才能求和
)]

# 非等连接匹配时间窗口，直接聚合计算每个窗口的积分和
result <- dt_my[
  dt_your,
  on = .(Timepoint >= Start, Timepoint <= End), # 匹配落在[Start, End]闭区间的时间点
  .(Points = sum(Points, na.rm = TRUE)), # 对匹配到的积分求和
  by = .EACHI # 按yourdf的每一行窗口分组聚合
]

# 修正连接后的字段名，输出要求的三列结构
setnames(result, old = 1:2, new = c("Start", "End"))

小提示：如果不想加载lubridate包，10分钟可直接换算为600秒，将End字段生成逻辑替换为End = as.POSIXct(Start) + 600即可，效果完全一致。

结果校验 #

用提供的示例数据运行后，第一行窗口[2022-06-10 10:00:00, 2022-06-10 10:10:00]匹配到4条记录，积分总和为2+3+2+0=7，和预期结果完全匹配。

扩展说明 #

• 如果需要保留yourdf中的其他业务字段（比如示例中的User字段），只需要在聚合时把字段加入选取逻辑即可，例如将聚合部分写为.(User = first(User), Points = sum(Points, na.rm = TRUE))即可带出用户字段。
• 该方案在百万行级别的表上运行依然有非常好的性能表现，不需要担心数据量上涨后的卡顿问题。

内容的提问来源于stack exchange，提问作者Peter