基于tidyverse扩展数据框中不连续小时级datetime列的行

嘿，这个需求用tidyverse生态的工具完全可以轻松解决，我给你拆解成清晰的步骤：

前置准备 #

首先确保你的dt列是datetime类型，如果还不是的话，先用lubridate::as_datetime()转换；同时加载需要的包：

library(tidyverse)
library(lubridate) # 处理时间的核心工具，属于tidyverse生态

核心解决方案 #

假设你的数据框名为df，核心代码如下：

df_expanded <- df %>%
  # 先提取dt列的最小和最大整点时间（确保边界是整点）
  summarise(
    min_hour = floor_date(min(dt), "hour"),
    max_hour = ceiling_date(max(dt), "hour") - hours(1)
  ) %>%
  # 生成从最小到最大时间的连续小时序列
  mutate(dt = seq(min_hour, max_hour, by = "hour")) %>%
  # 左连接原数据，把原数据的字段对应到连续时间行上
  left_join(df, by = "dt")

代码解释 #

• floor_date()和ceiling_date()：用来确保我们的时间边界是严格整点，哪怕原数据的最小/最大时间不是整点（当然如果原数据已经都是整点，直接用min(dt)和max(dt)也没问题）
• seq()：生成连续的小时级datetime序列，这是实现“补全缺失整点”的关键
• left_join()：保留所有生成的连续时间行，原数据中存在的时间点会对应上原有字段值，缺失的时间点则会显示为NA，你可以后续用replace_na()等函数根据业务逻辑填充这些缺失值

示例演示 #

比如你有这样的示例数据：

# 构造示例数据
df <- tibble(
  dt = as_datetime(c("2024-05-20 09:00:00", "2024-05-20 11:00:00", "2024-05-20 14:00:00")),
  metric = c(15, 25, 35)
)

运行核心代码后，df_expanded会包含2024-05-20 09:00到14:00之间的每一个整点，其中10、12、13点的metric字段为NA，你可以按需填充，比如：

df_expanded <- df_expanded %>%
  mutate(metric = replace_na(metric, 0)) # 用0填充缺失值

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