使用lubridate按10天间隔对各ID数据分组并生成列表的问题

原代码问题 #

你写的代码直接硬生成了interval列：每10行重复同一个数值，完全没有和数据中的ID、日期字段关联，所以无法实现「每个ID单独按10天日期间隔分组」的需求，自然会出现同一时间区间的记录分到不同组的问题。

正确实现方案 #

实现逻辑 #

1. 先对全表按ID、日期排序，保证每个ID的日期按时间顺序排列
2. 按ID分组后，计算每条记录的日期与该ID最早日期的天数差，除以10向下取整得到间隔编号，这样每个ID内部属于同一个10天区间的记录会对应同一个间隔编号
3. 按需要的层级拆分分组即可得到目标列表

可运行代码 #

library(tidyverse)
library(lubridate)

# 生成测试数据
date <- rep_len(seq(dmy("26-12-2010"), dmy("20-12-2013"), by = "days"), 500)
ID <- rep(seq(1, 5), 100)

df <- data.frame(date = date,
                 x = runif(length(date), min = 60000, max = 80000),
                 y = runif(length(date), min = 800000, max = 900000),
                 ID)

# 每个ID独立计算10天间隔的实现
result <- df %>%
  arrange(ID, date) %>%
  group_by(ID) %>%
  mutate(
    day_diff = as.numeric(date - min(date)),
    interval = floor(day_diff / 10) + 1 # 间隔编号从1开始计数
  ) %>%
  ungroup() %>%
  # 先按10天间隔拆分，再在每个间隔内按ID拆分
  group_split(interval) %>%
  map(~ group_split(.x, ID))

# 查看前2个间隔的分组结果
head(result, 2)

全局统一10天间隔的可选实现 #

如果你需要所有ID共享同一套10天时间区间划分，只需要把间隔计算步骤放到ID分组外，用全表的最小日期计算差值即可：

result_global <- df %>%
  arrange(date, ID) %>%
  mutate(
    day_diff = as.numeric(date - min(date)),
    interval = floor(day_diff / 10) + 1
  ) %>%
  group_split(interval) %>%
  map(~ group_split(.x, ID))

内容的提问来源于stack exchange，提问作者John Huang