R语言按时间或索引区间创建日分组分类变量

两种实现方式都可以完成分组标记需求，你可以根据自己的数据质量情况选择对应方案：

方案1：按行索引区间规则生成ID（推荐，逻辑最简） #

该方案适用于数据已经严格按采集时间升序排列、无缺行乱序的场景，不需要解析时间字段，运行效率最高。核心逻辑是每1440行归为同一组，按顺序生成ID1、ID2……序列。

• R语言实现（匹配你给出的数据集格式）：

# 加载dplyr包，若未安装可先运行 install.packages("dplyr")
library(dplyr)
df <- df %>%
  mutate(day_id = paste0("ID", ceiling(row_number() / 1440)))

• Python pandas实现：

import pandas as pd
import numpy as np
# 按行位置计算分组，不受原索引值影响
df['day_id'] = "ID" + np.ceil(np.arange(1, len(df)+1) / 1440).astype(int).astype(str)

方案2：基于x1.time时间字段生成ID（容错性更高） #

如果数据可能存在缺分钟记录、行顺序错乱的情况，按行号分组会出现偏差，推荐用时间字段做分组判断：每当检测到时间为00:00:00时，视为新的一天开始，分组计数加1即可。

• R语言实现：

df <- df %>%
  mutate(
    day_count = cumsum(x1.time == "00:00:00"),
    day_id = paste0("ID", day_count)
  )

• Python pandas实现：

df['day_count'] = (df['x1.time'] == "00:00:00").cumsum()
df['day_id'] = "ID" + df['day_count'].astype(str)

提示：如果x1.time是时间类型而非字符串，只需要把判断条件替换为「提取时分秒部分是否为0点」即可，核心分组逻辑不变。你也可以同时运行两种方案，对比生成的ID是否完全一致，以此校验数据是否存在缺行、乱序问题。

简单校验方法 #

生成ID后建议做两步快速校验，避免分组错误：

• 统计每个day_id对应的记录数，无数据缺失的情况下每个ID应该对应1440条记录，有缺失时记录数会小于1440
• 抽查每个ID分组下的第一条记录时间是否为00:00:00，最后一条记录时间是否接近23:59:00

内容的提问来源于stack exchange，提问作者Data miner123