如何用dplyr或data.table按时间关联表获取事件前后紧邻记录？

先把你的示例数据补全规整一下，方便后续演示：

# 示例数据
testScooter <- data.frame(
  start = as.POSIXct(c(
    "2018-01-18 22:19:13", 
    "2018-01-18 23:29:22", 
    "2018-01-18 00:22:02", 
    "2018-01-18 00:37:52"
  )),
  end = as.POSIXct(c(
    "2018-01-18 22:26:31", 
    "2018-01-18 23:37:53", 
    "2018-01-18 00:29:21", 
    "2018-01-18 01:06:15"
  )),
  id = c(1, 1, 2, 2)
)

用dplyr实现 #

dplyr的lag()和lead()函数刚好能满足取紧邻前后记录的需求，步骤很直观：

• 先按滑板车id分组，确保我们是在同一个滑板车的行程池里找前后记录
• 对每个分组内的行程按start时间排序，保证时间顺序绝对正确
• 用lag()提取前一行的start和end作为前序行程，用lead()提取后一行的作为后序行程

代码实现：

library(dplyr)

result_dplyr <- testScooter %>%
  group_by(id) %>%
  arrange(start) %>%
  mutate(
    prev_start = lag(start),
    prev_end = lag(end),
    next_start = lead(start),
    next_end = lead(end)
  ) %>%
  ungroup()

# 查看结果
print(result_dplyr)

运行后，每个行程都会带上它的前序（如果有的话）和后序行程时间，没有前后记录的位置会显示NA——这很合理，比如每个滑板车的第一个行程本来就没有前序，最后一个也没有后序。

用data.table实现 #

如果你的数据量很大，data.table的处理速度会更有优势，它的shift()函数可以灵活实现lag和lead的效果：

library(data.table)

# 转成data.table格式
setDT(testScooter)

result_dt <- testScooter[order(start), 
                         .(start, end, 
                           prev_start = shift(start, type = "lag"),
                           prev_end = shift(end, type = "lag"),
                           next_start = shift(start, type = "lead"),
                           next_end = shift(end, type = "lead")), 
                         by = id]

# 查看结果
print(result_dt)

这里的逻辑和dplyr完全一致：按id分组，每组内按start排序，用shift()分别获取前后行的时间字段，type = "lag"对应前序，type = "lead"对应后序。

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