在R中按6小时间隔过滤动物GPS定位数据集的方法咨询

实现思路 #

你之前的分组逻辑有误，不需要把acquisition_time加入分组字段，仅按个体IDanimals_id分组即可，核心是分组内按时间排序后计算相邻点位的时间差，筛选符合间隔要求的记录。

完整可运行代码 #

library(dplyr)

# 你已经完成的时间格式转换
data$acquisition_time = as.POSIXct(data$acquisition_time, tz = "UTC", format = "%Y-%m-%d %H:%M:%S")

# 方法1：简单相邻间隔过滤（适合采样间隔稳定的场景，逻辑简单易理解）
filtered_simple <- data %>%
  group_by(animals_id) %>%  # 仅按个体ID分组
  arrange(acquisition_time, .by_group = TRUE) %>%  # 每组内按采集时间升序排列
  # 计算和上一条记录的时间差，单位为小时
  mutate(time_diff = difftime(acquisition_time, lag(acquisition_time, default = first(acquisition_time) - 3600*7), units = "hours")) %>%
  # 过滤间隔≥6小时的记录
  filter(time_diff >= 6) %>%
  # 去掉辅助计算的列
  select(-time_diff) %>%
  ungroup()

# 方法2：严格间隔过滤（保证所有保留的点位之间间隔都≥6小时，不会因为中间点位被过滤导致后续符合要求的点位被误删）
filtered_strict <- data %>%
  group_by(animals_id) %>%
  arrange(acquisition_time, .by_group = TRUE) %>%
  # 用累积判断保留符合要求的点位，3600*6为6小时对应的秒数
  mutate(keep = purrr::accumulate(acquisition_time, ~ifelse(.y - .x >= 3600*6, .y, .x)) == acquisition_time) %>%
  filter(keep) %>%
  select(-keep) %>%
  ungroup()

代码说明 #

• 方法1的逻辑是直接计算当前记录和原始序列中上一条记录的时间差，适合GPS项圈本身采样间隔接近5小时的场景，运行速度快
• 方法2的逻辑是每次记录上一个被保留的点位时间，只有当前点位和上一个保留点位的时间差≥6小时才会被保留，更符合你避免自相关的需求，5万条数据的运行速度也完全够用
• 两种方法都默认保留每个个体的第一条定位记录，如果你不需要可以自行加过滤条件去掉首行

内容的提问来源于stack exchange，提问作者Sas