如何使用dplyr与purrr按分组时间区间筛选数据？

嘿，作为purrr新手，用它来替代apply完成这个分组筛选任务其实很顺手！我们可以结合dplyr的分组能力和purrr的映射函数，再加上lubridate处理时间区间，一步步实现你的需求，代码清晰又易读。

步骤1：加载必备包 #

首先得把需要的工具包装上并加载：

library(dplyr)
library(purrr)
library(lubridate) # 专门处理时间和区间的神器

步骤2：预处理时间数据 #

原始数据里的时间都是字符串，得先转成可操作的时间对象，特别是要和intervals里的UTC时区对齐：

# 处理原始温度数据的时间列
df_clean <- df %>%
  mutate(Date.Time = mdy_hm(Date.Time, tz = "UTC")) # 把字符串转成带UTC时区的POSIXct

# 处理时间区间数据，把区间字符串转成lubridate的interval对象
intervals_clean <- intervals %>%
  mutate(
    # 拆分区间字符串为开始和结束时间
    start_time = str_extract(full.interval, "^[^--]+") %>% ymd_hms(tz = "UTC"),
    end_time = str_extract(full.interval, "[^--]+$") %>% ymd_hms(tz = "UTC"),
    # 创建可直接判断的interval对象
    time_interval = interval(start_time, end_time)
  ) %>%
  select(Site, time_interval) # 只保留需要的列

步骤3：用purrr+dplyr完成分组筛选 #

这里有两种直观的写法，都能达到目的：

写法一：用group_map（更简洁的分组映射）

group_map可以直接对分组后的数据集应用自定义函数，非常适合这种按组处理的场景：

new.df <- df_clean %>%
  inner_join(intervals_clean, by = "Site") %>% # 先把每个站点对应的区间关联起来
  group_by(Site) %>%
  group_map(function(group_data, group_key) {
    # 筛选当前站点中时间落在对应区间内的记录
    group_data %>%
      filter(Date.Time %within% time_interval) %>%
      select(Date.Time, TempC, Site) # 保留需要的列
  }) %>%
  bind_rows() # 把所有组的结果合并成一个数据框

写法二：用map2（更直观的双列表映射）

如果你想更清晰地看到purrr的映射逻辑，可以先把数据拆分成列表，再用map2同时遍历站点数据和对应的区间：

# 把温度数据按站点拆分成列表
df_site_list <- df_clean %>% group_split(Site)

# 把区间数据按站点整理成对应的区间列表
interval_site_list <- intervals_clean %>% 
  split(.$Site) %>% 
  map(~ .$time_interval) # 提取每个站点对应的interval

# 用map2遍历两个列表，筛选符合条件的记录
result_list <- map2(df_site_list, interval_site_list, function(site_data, site_interval) {
  site_data %>%
    filter(Date.Time %within% site_interval) %>%
    select(Date.Time, TempC, Site)
})

# 合并所有结果
new.df <- result_list %>% bind_rows()

步骤4：调整输出格式（可选） #

如果你希望输出的Date.Time和你给出的示例格式一致（字符串类型），可以再加一步转换：

new.df <- new.df %>%
  mutate(Date.Time = format(Date.Time, "%m/%d/%Y %H:%M"))

现在运行代码后，new.df就会和你期望的结果完全一致啦！

内容的提问来源于stack exchange，提问作者LAB