为何基于时间差的if函数在R语言for循环中报错？

我一眼就看出你这个报错的问题啦——你的for循环边界没处理好！

先给你拆解下错误原因：你写的循环是for(i in 1:length(wilde16$DateTime))，而你的wilde16数据有16行，所以i会从1跑到16。当i=16的时候，wilde16$DateTime[i+1]就是第17个元素，可你的数据根本没有这一行，结果就是NA。这时候计算NA - wilde16$DateTime[16]得到的还是NA，而if语句必须要TRUE或FALSE才能判断，遇到缺失值就直接抛出那个missing value where TRUE/FALSE needed的错误了。你单独测i=1没问题，是因为那时候i+1=2是存在的，但最后一次循环就踩坑了。

那怎么修正呢？有两种办法：

方法一：修正你的for循环 #

把循环的范围改成从1到行数减1，避免访问不存在的元素，最后再单独处理最后一行的分组：

z <- 0
# 先初始化Group列，避免出现缺失值
wilde16$Group <- 0
for(i in 1:(nrow(wilde16)-1)){
  if(wilde16$DateTime[i+1] - wilde16$DateTime[i] < 600){
    wilde16$Group[i] <- z
  } else{
    z <- z + 1
    wilde16$Group[i] <- z
  }
}
# 最后一行的分组和前一行保持一致
wilde16$Group[nrow(wilde16)] <- wilde16$Group[nrow(wilde16)-1]

方法二：用R风格的向量操作替代for循环（更高效简洁） #

其实在R里处理这种分组问题，完全不用写for循环，用diff()和cumsum()就能搞定，代码更短还不容易出错：

# 计算相邻观测的时间差，第一个元素设为601（确保第一个组从1开始）
time_intervals <- c(601, diff(wilde16$DateTime))
# 每当时间差超过10分钟（600秒），就开启新组，用cumsum累计分组编号
wilde16$Group <- cumsum(time_intervals > 600)

这个方法的逻辑是：diff()计算相邻时间的差值，我们给第一个位置补一个大于600的值，这样第一个观测会被分到第1组，之后每次时间差超过600，cumsum就会加1，自动生成连续的分组编号。

内容的提问来源于stack exchange，提问作者Tommaso Saccà