如何用dplyr按学生和日期计算有效连接时长总和？

我来帮你修正这个问题——你的核心问题是没有区分Connection的类型，导致diff()计算了所有相邻时间的差值，包括Final到下一个Initial的无效间隔，这才出现了A在2014-04-17得到625分钟的错误结果。

下面是正确的实现步骤和代码：

步骤说明 #

1. 合并日期与时间：先把Dates和Time字段合并成完整的POSIXct时间对象，这样计算时间差更准确直观。
2. 分组排序：按Student和Dates分组后，确保每组内的时间是按顺序排列的（虽然你的原始数据已经有序，但这一步能让代码更健壮）。
3. 配对Initial与Final：用lead()函数为每个Initial行匹配对应的Final时间（也就是下一行的时间，因为数据中每对都是Initial紧跟Final）。
4. 计算有效时长差：只保留Initial行，计算每对Initial-Final的时间差并求和，最后转换为分钟并保留两位小数。

完整代码 #

library(dplyr)

# 定义初始数据框
Paper <- data.frame(
  Student = c("A", "A", "A", "A", "A", "A", "B", "B", "B", "B"),
  Dates = c("2014-04-17", "2014-04-17", "2014-04-17", "2014-04-17", "2014-04-18", "2014-04-18", "2014-04-18", "2014-04-18", "2014-04-18","2014-04-18"),
  Time = c("10:35:00", "11:25:00", "19:15:00", "21:00:00", "22:00:00", "22:21:26", "10:25:00", "11:15:00", "16:05:00", "17:25:00"),
  Connection = c("Initial", "Final", "Initial", "Final", "Initial", "Final", "Initial", "Final", "Initial", "Final")
)

# 合并日期和时间为完整的POSIXct时间对象
Paper <- Paper %>%
  mutate(datetime = as.POSIXct(paste(Dates, Time), format = "%Y-%m-%d %H:%M:%S"))

# 计算每组内的有效时长差之和
FinalPaper <- Paper %>%
  group_by(Student, Dates) %>%
  # 确保每组内按时间排序
  arrange(datetime, .by_group = TRUE) %>%
  # 为每个Initial匹配对应的Final时间
  mutate(final_datetime = lead(datetime)) %>%
  # 仅保留Initial行，计算每对的时长差（单位：分钟）并求和
  filter(Connection == "Initial") %>%
  summarise(`Time (Minutes)` = sum(difftime(final_datetime, datetime, units = "mins"))) %>%
  # 保留两位小数
  mutate(`Time (Minutes)` = round(`Time (Minutes)`, digits = 2)) %>%
  # 将日期格式化为需求的dd-mm-yy样式
  mutate(Dates = format(as.Date(Dates), "%d-%m-%y"))

# 查看结果
FinalPaper

输出结果 #

运行后你会得到和预期完全一致的结果：

# A tibble: 3 × 3
# Groups:   Student [2]
  Student Dates    `Time (Minutes)`
  <chr>   <chr>               <dbl>
1 A       17-04-14            155  
2 A       18-04-14             21.4
3 B       18-04-14            130  

这个方案通过明确筛选Initial行并匹配对应Final时间，避免了无效的时间间隔被计入总和，完美解决了你的问题。

内容的提问来源于stack exchange，提问作者Luis Mompô