R语言%d-%m-%Y %H:%M格式时间差计算与可视化问题咨询

• 时间解析逻辑错误：你当前使用的format = "%d/%m/%Y %H:%M"和数据中实际存储的2019-11-27 22:02:00 GMT这类年-月-日格式完全不匹配，会导致大量时间解析错误、时序乱序，甚至出现结束时间早于开始时间的负时长异常值。
• 绘图字段类型错误：seconds_to_period返回的是周期类对象，本质是可读性展示用的字符串结构，没有数值排序属性，直接拿来绘图自然无法按时间长度排序。

1. 正确解析时间字段 #

优先统一时区，匹配数据格式做解析，先过滤脏数据：

library(lubridate)
# 用匹配的时间格式解析，统一时区为伦敦时区适配GMT/BST
df$StartedDateTime <- as.POSIXct(df$StartedDateTime, format = "%Y-%m-%d %H:%M:%S", tz = "Europe/London")
df$EndDateTime <- as.POSIXct(df$EndDateTime, format = "%Y-%m-%d %H:%M:%S", tz = "Europe/London")
# 过滤结束时间早于开始时间的异常脏数据
df <- df[df$EndDateTime > df$StartedDateTime, ]

2. 计算访问时长 #

保留数值型时长字段用于排序计算，周期格式仅做展示用：

# 数值型时长保留小时单位，方便后续统计、排序、绘图
df$duration_hours <- as.numeric(difftime(df$EndDateTime, df$StartedDateTime, units = "hours"))
# 周期格式仅用于数据表展示，不参与计算和绘图
df$duration_display <- seconds_to_period(df$duration_hours * 3600)

3. 访问时长分布绘图 #

直接用数值型的duration_hours字段绘图，天然支持排序，3万条数据可先做分箱优化展示效果：

library(ggplot2)
# 访问时长分布直方图，按天做分箱
ggplot(df, aes(x = duration_hours)) +
  geom_histogram(binwidth = 24, fill = "#2c3e50", alpha = 0.7) +
  scale_x_continuous(breaks = seq(0, max(df$duration_hours), 24), 
                     labels = function(x) paste0(x/24, "天")) +
  labs(x = "访问时长", y = "访问量")
# 按访问开始时间排序展示时长，先对数据集做排序
df_sorted <- df[order(df$StartedDateTime), ]
df_sorted$VisitID <- factor(df_sorted$VisitID, levels = df_sorted$VisitID)
ggplot(df_sorted, aes(x = VisitID, y = duration_hours)) +
  geom_col(fill = "#3498db") +
  theme(axis.text.x = element_blank()) # 3万条数据无需展示X轴ID标签

4. 起止时间对比绘图 #

用甘特图形式展示最合适，3万条全量展示会过密，可抽样或按时间维度聚合后展示：

# 抽样100条记录做示例，避免图表拥挤
df_sample <- df[sample(nrow(df), 100), ]
df_sample <- df_sample[order(df_sample$StartedDateTime), ]
df_sample$seq_id <- factor(1:nrow(df_sample), levels = 1:nrow(df_sample))

ggplot(df_sample) +
  geom_segment(aes(x = StartedDateTime, xend = EndDateTime, 
                   y = seq_id, yend = seq_id), color = "#e74c3c", linewidth = 1) +
  labs(x = "时间", y = "访问记录") +
  theme(axis.text.y = element_blank())

内容的提问来源于stack exchange，提问作者Rio