R语言处理时序数据：时间区间跨整分钟标记时如何新增拆分行

使用dplyr的reframe()函数可以一步完成拆分逻辑，无需创建多个中间数据框，代码简洁且通用性更强：

library(tidyverse)

df %>%
  reframe(
    speaker = speaker,
    # 生成时间断点：原起始时间+区间内所有整分钟节点+原结束时间
    cuts = sort(unique(c(start, seq(ceiling(start/60000)*60000, end, 60000), end))),
    # 相邻断点配对作为拆分后的起止时间
    start = head(cuts, -1),
    end = tail(cuts, -1),
    .by = everything() # 按原行所有字段分组，逐行处理
  ) %>%
  select(speaker, start, end) %>%
  arrange(start)

运行后输出结果如下：

speaker  start    end
1     <NA>      0  20000
2        A  20000  35000
3     <NA>  35000  60000
4     <NA>  60000  65000
5        B  65000  80000
6     <NA>  80000 100000
7        C 100000 110000
8     <NA> 110000 120000
9     <NA> 120000 140000
10       C 140000 180000
11       C 180000 195000

方案优势 #

• 天然支持跨多个整分钟节点的行拆分，比如时间范围从50000到130000的行，会自动拆为50000-60000、60000-120000、120000-130000三行，适用场景更广
• 无冗余中间表，代码结构清晰，维护成本低
• 若dplyr版本低于1.1.0不支持.by参数，将.by = everything()替换为group_by(across(everything()))即可正常运行

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