如何为hms类型时间数据的30分钟间隔分箱添加友好标签？

我明白你遇到的困扰——用cut对时间数值分箱时，默认的科学计数法标签完全不直观，想自定义时间格式标签却没得到预期结果。咱们一步步来解决这个问题：

先回顾下你的场景 #

你有带时分信息的数据集，hour_min是hms对象，number是对应的秒数数值，已经加载了dplyr和lubridate。数据集结构如下：

library(dplyr)
library(lubridate)
df <- structure(list(hour_min = structure(c(NA, 69300, 46800, 35100, 52200, 37800, 52200, NA, 45300, 42300, NA, 29700, 46800, 34200, 32400, 43200, 36000, 41400, 29700, 36000), units = "secs", class = c("hms", "difftime")), number = c(NA, 69300, 46800, 35100, 52200, 37800, 52200, NA, 45300, 42300, NA, 29700, 46800, 34200, 32400, 43200, 36000, 41400, 29700, 36000)), class = "data.frame", row.names = c(NA, -20L), .Names = c("hour_min", "number"))

你尝试用这段代码添加自定义标签，但没得到友好的时间格式：

df$interval <- cut(df$number, breaks = seq(as.numeric(hms::as.hms("07:00:00")), as.numeric(hms::as.hms("23:00:00")), 1800), labels = as.character(seq(hms::as.hms("07:00:00"), as.hms("23:00:00"), 1800)))

而不指定labels时，得到的是可读性很差的科学计数法区间：

df %>% count(interval)
# A tibble: 11 x 2
   interval           n
   <fct>          <int>
 1 (2.88e+04,3.06e+04]     2
 2 (3.06e+04,3.24e+04]     1
 3 (3.24e+04,3.42e+04]     1
 4 (3.42e+04,3.6e+04]      3
 5 (3.6e+04,3.78e+04]      1
 6 (3.96e+04,4.14e+04]     1
 7 (4.14e+04,4.32e+04]     2
 8 (4.5e+04,4.68e+04]      3
 9 (5.04e+04,5.22e+04]     2
10 (6.84e+04,7.02e+04]     1
11 <NA>                    3

问题出在哪？ #

1. 标签长度不匹配：cut的breaks序列长度比需要的labels多1（比如32个breaks对应31个区间），你之前的labels用了和breaks一样长的序列，导致匹配错误。
2. 时间格式未自定义：直接用as.character()转换hms对象会保留秒数（比如"07:00:00"），不够简洁；而且没有生成区间式的标签（比如"07:00-07:30"）。

修正后的解决方案 #

我们可以分步生成符合要求的标签：

# 1. 先生成分箱的数值断点（秒数）
breaks_num <- seq(
  from = as.numeric(hms::as.hms("07:00:00")),
  to = as.numeric(hms::as.hms("23:00:00")),
  by = 1800  # 30分钟=1800秒
)

# 2. 生成友好的区间标签，格式为"起始时间-结束时间"，只显示时分
labels_text <- paste0(
  # 取每个区间的起始时间，格式化为HH:MM
  format(hms::as.hms(breaks_num[-length(breaks_num)]), "%H:%M"),
  "-",
  # 取每个区间的结束时间，格式化为HH:MM
  format(hms::as.hms(breaks_num[-1]), "%H:%M")
)

# 3. 用cut函数分箱并添加标签
df$interval <- cut(
  df$number,
  breaks = breaks_num,
  labels = labels_text,
  include.lowest = TRUE  # 可选：确保第一个区间包含起始值
)

# 查看最终计数结果
df %>% count(interval)

最终效果 #

运行后你会得到类似这样的直观结果：

# A tibble: 11 x 2
   interval     n
   <fct>    <int>
 1 09:30-10:00     2
 2 10:00-10:30     1
 3 10:30-11:00     1
 4 11:00-11:30     3
 5 11:30-12:00     1
 6 12:30-13:00     1
 7 13:00-13:30     2
 8 13:30-14:00     3
 9 14:30-15:00     2
10 19:00-19:30     1
11 <NA>            3

这样标签就清晰易懂了，完全符合时间分箱的阅读习惯。

内容的提问来源于stack exchange，提问作者xhr489