R语言中如何按日内时段分组数据并统计各时段事件频次

整体流程为：标准化Time列的时间格式，提取观测时间对应的小时值，按照给定规则映射为对应时段标签，最后按时段分组统计事件数量，全程仅需原始数据中的Time列即可完成计算。

推荐实现（tidyverse 生态） #

这种写法逻辑清晰、易调整规则，是日常数据分析的常用方案。

1. 先复现输入示例数据：

   df <- data.frame(
     Date = rep("21/10/20", 7),
     Time = c("03:49:19","05:39:23","09:23:10","14:38:50","17:17:48","21:23:45","21:49:32")
   )
   

2. 加载依赖包，完成全流程计算：

   library(dplyr)
   library(lubridate)
   
   period_result <- df |>
     mutate(
       # 把字符串格式的Time转成标准时间类型，提取小时数
       hour_value = hour(hms::as_hms(Time)),
       # 按规则映射时段
       Period = case_when(
         hour_value %in% 0:9 ~ "Morning",
         hour_value %in% 10:17 ~ "Afternoon",
         hour_value %in% 18:23 ~ "Evening"
       )
     ) |>
     # 按时段分组计数，指定输出列名
     count(Period, name = "Count")
   

3. 输出结果和目标格式完全一致：

   Period	Count
   Morning	3
   Afternoon	2
   Evening	2

无依赖实现（基础R版本） #

不想安装第三方包的场景下，可以直接用基础函数完成计算：

# 从标准格式的Time字符串中提取小时值
df$hour_value <- as.integer(substr(df$Time, 1, 2))
# 按小时区间映射时段标签
df$Period <- cut(
  x = df$hour_value,
  breaks = c(-1, 9, 17, 23),
  labels = c("Morning", "Afternoon", "Evening")
)
# 统计频次并对齐目标表格结构
period_result <- as.data.frame(table(df$Period))
colnames(period_result) <- c("Period", "Count")

规则匹配校验 #

两套方案的区间划分完全贴合给定的时段边界，不会出现错配：

• 所有小时值在0-9的观测（对应00:00:00-09:59:59），全部归入Morning组
• 所有小时值在10-17的观测（对应10:00:00-17:59:59），全部归入Afternoon组
• 所有小时值在18-23的观测（对应18:00:00-23:59:59），全部归入Evening组

实用提示：如果原始Time列存在非补零格式（比如9:23:10而非09:23:10），不要直接用substr截取字符串，必须先通过hms::as_hms()做格式标准化后再提取小时值，避免解析出错。

内容的提问来源于stack exchange，提问作者Tolerance487