R语言：将非结构化定位日志文本文件转换为可用DataFrame

1. 依赖导入 #

import pandas as pd
import numpy as np

2. 核心实现步骤 #

• 步骤1：批量拆分原始日志为基础结构化数据

直接复用你已实现的单条字符串拆分逻辑，封装为可批量调用的函数即可，要求拆分后至少输出log_time（datetime格式的日志上报时间）、room_id两个核心字段，未解析到Room ID的单条日志room_id默认返回空值

# 读取原始日志文件
with open("location_report.log", "r", encoding="utf-8") as f:
    raw_logs = [line.strip() for line in f.readlines() if line.strip()]

# 替换为你已实现的单条日志拆分函数
def split_log_line(line: str):
    # 你的拆分逻辑，返回元组示例：(上报时间, 解析到的Room ID/None, 其他自定义字段...)
    pass

# 生成初始结构化表
base_df = pd.DataFrame(
    [split_log_line(line) for line in raw_logs],
    columns=["log_time", "room_id", "other_field1", "other_field2"] # 按需补充字段名
)

• 步骤2：生成5分钟时间窗分组标识

# 将上报时间按5分钟粒度向下取整，作为时间窗唯一标识
base_df["time_window"] = base_df["log_time"].dt.floor("5min")

• 步骤3：按时间窗聚合，补全Room ID空值

result_df = base_df.groupby("time_window").agg(
    # 时间窗内存在有效Room ID则取第一个有效值，无则填充NA
    room_id = ("room_id", lambda x: x.dropna().iloc[0] if not x.dropna().empty else pd.NA),
    # 其他字段按需配置聚合规则，示例为统计时间窗内上报总次数
    report_cnt = ("log_time", "count")
).reset_index()

• 步骤4：补全全量时间窗（可选）

如果需要覆盖所有连续5分钟时段，无日志上报的时段也生成对应记录，可增加以下逻辑：

# 生成覆盖全时段的5分钟粒度时间序列
full_time_windows = pd.date_range(
    start = result_df["time_window"].min(),
    end = result_df["time_window"].max(),
    freq = "5min"
)
# 关联聚合结果，无数据的时间窗所有字段自动填充NA
full_result_df = pd.DataFrame({"time_window": full_time_windows}).merge(
    result_df, on="time_window", how="left"
)

3. 结果校验规则 #

• 每一行唯一对应一个5分钟时间窗
• 时间窗内存在任意一条有效Room ID记录时，room_id列取对应值，否则为NA
• 其余业务字段可根据需求调整聚合规则（取首/尾值、统计出现频次等）

内容的提问来源于stack exchange，提问作者Glenn