在R中对Flights数据集使用Mutate时出现计算错误？

嘿，这个问题我刚好研究过！咱们一步步来搞清楚为什么会出现这种差异：

1. 核心问题：时间变量的存储格式 #

首先得明确：flights里的dep_time和sched_dep_time并不是真正的时间戳或分钟数，而是以HHMM格式存储的整数。举个例子：

• 凌晨0点15分被存成15
• 晚上11点29分被存成2329

直接对这两个整数做减法，只会得到纯粹的数值差，完全不会考虑「日期跨天」的情况——这就是异常值的来源。

2. 跨午夜航班的计算偏差 #

你看到的diff=-46这类异常值，都是跨午夜的航班导致的。比如某航班：

• 计划起飞时间是第二天凌晨的0015（存为整数15）
• 实际起飞时间是前一天晚上的2329（存为整数2329）

直接做数值减法会得到2329 - 15 = 2314，但这显然不是真实的时间差；如果是实际起飞时间的分钟数小于计划值（比如实际109、计划155），直接相减会得到-46，但这个负数并不是真实的延迟时长。

而dep_delay字段是官方已经正确计算好的：它结合了航班的year/month/day（实际起飞的日期）和计划起飞时间对应的日期，把所有时间都转换成「从当天0点开始的分钟数」，再处理跨天情况（如果实际起飞在前一天，就给实际时间加上24*60=1440分钟），最后算出真实的延迟值——这就是为什么你看到dep_delay=-6才是正确结果。

3. 验证逻辑的代码 #

你可以用这段代码自己验证，把时间转换成分钟数并修正跨天情况后，结果会和dep_delay完全一致：

library(nycflights13)
library(tidyverse)

flights %>%
  mutate(
    # 把HHMM格式的整数转成当天的分钟数
    dep_min = (dep_time %/% 100)*60 + (dep_time %% 100),
    sched_dep_min = (sched_dep_time %/% 100)*60 + (sched_dep_time %% 100),
    # 处理跨天情况：实际分钟数小于计划时，加1440分钟再计算差值
    correct_diff = case_when(
      dep_min < sched_dep_min ~ dep_min + 1440 - sched_dep_min,
      TRUE ~ dep_min - sched_dep_min
    )
  ) %>%
  select(dep_time, sched_dep_time, dep_delay, correct_diff) %>%
  head(10) # 查看前10行的对比

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