无法实现R中DataFrame按小时统计count=1总和及对应Short.name列表

你的需求可以通过dplyr的分组聚合功能更简洁高效地实现，不用写复杂的自定义函数。先看修改后的完整代码，再一步步拆解逻辑：

# 加载所需工具包
library(dplyr)
library(tidyr)

# 读取数据（记得替换成你的实际文件路径）
base_data <- read.csv(filelocation, header = TRUE, sep = ",")

# 数据处理与聚合：一步得到目标格式的DataFrame
result_df <- base_data %>%
  # 从Date字段提取小时（匹配你原数据的格式：截取第12-13位）
  mutate(hour = substr(Date, 12, 13)) %>%
  # 只保留count值为1的有效记录
  filter(count == 1) %>%
  # 按小时分组
  group_by(hour) %>%
  # 聚合生成需要的三个字段
  summarise(
    countofcells = n(),  # 统计每组的记录数
    celllist = paste(Short.name, collapse = "|")  # 把同组的Short.name用|拼接成字符串
  ) %>%
  # 取消分组，转为常规数据框
  ungroup()

# 查看最终结果
print(result_df)

原代码的问题梳理 #

1. 数据裁剪失误：data_trim<-base_data[,-c(1,3,4,5,6)] 删掉了Short.name、count这些后续必须用到的核心字段，导致后续处理无有效数据可用。
2. 自定义函数的返回逻辑错误：R语言里函数不能直接用return(row_value, ln)返回多个值，而且手动遍历每个小时的方式效率很低，远不如分组聚合高效。
3. 冗余的数据重塑：你用gather的操作完全没必要——原始数据已经是每行对应一条独立记录的格式，不需要再重塑结构。

代码逻辑拆解 #

1. 提取小时字段：和你原代码的逻辑一致，用substr从Date字符串中截取小时部分，但直接在原始数据上处理，避免丢失关键字段。
2. 筛选有效记录：用filter(count == 1)精准过滤出需要统计的记录。
3. 分组聚合：
   • group_by(hour)按小时对数据分组；
   • n()直接统计每组的行数，也就是你需要的countofcells；
   • paste(Short.name, collapse = "|")把同一小时的所有Short.name用竖线连接成一个字符串，完美匹配你要的celllist格式。
4. 取消分组：ungroup()确保后续操作是针对整个数据框，避免分组状态带来的潜在问题。

运行后得到的result_df就是你需要的格式：每行对应一个小时，包含小时标识、统计数量、拼接好的单元格列表。

内容的提问来源于stack exchange，提问作者MPandey