如何优雅地按时间区间汇总数值并处理缺失值？

这里有一套基于tidyverse和lubridate的简洁实现方案，完美匹配你需要的转换逻辑，同时自动处理时间缺失的情况：

步骤说明 #

核心逻辑是：

1. 将原始时间字符串转换为可操作的时间对象，方便计算时间间隔
2. 生成目标的30分钟间隔时间序列
3. 对每个目标时间点，匹配原始数据中当前时间点和前15分钟时间点的数值，求和；若任一时间点缺失，则结果为NA

完整代码 #

# 加载所需包
library(tidyverse)
library(lubridate)

# 原始数据
df <- data.frame(
  times = c("0915", "0930", "0945", "1000", "1015", "1030", "1045", "1100", "1130", "1145", "1200", "1215", "1245", "1300", "1330", "1345"),
  values = c(1,2,3,4,1,2,3,4,1,3,4,1,3,4,2,4)
)

# 1. 转换原始时间为时间对象
df_clean <- df %>%
  mutate(time = hm(times))

# 2. 生成目标30分钟间隔的时间序列
target_time_seq <- seq(
  from = hm("0930"),  # 起始时间匹配df2的第一个点
  to = hm("1400"),    # 结束时间可根据需求调整
  by = "30 mins"
) %>%
  as.character() %>%
  str_remove(":00$") %>%  # 去除秒数部分
  str_replace_all(":", "")  # 转换为"0930"格式

# 3. 构建目标数据框并计算values
df2 <- tibble(times = target_time_seq) %>%
  mutate(time = hm(times)) %>%
  # 匹配当前时间点的数值
  left_join(df_clean, by = c("time" = "time")) %>%
  rename(val_current = values) %>%
  # 计算前15分钟时间点并匹配数值
  mutate(prev_time = time - minutes(15)) %>%
  left_join(df_clean, by = c("prev_time" = "time")) %>%
  rename(val_prev = values) %>%
  # 计算求和结果，处理缺失值
  mutate(values = ifelse(is.na(val_current) | is.na(val_prev), NA, val_current + val_prev)) %>%
  # 保留需要的列
  select(times, values)

# 查看结果
print(df2)

运行结果 #

# A tibble: 10 × 2
   times values
   <chr>  <dbl>
 1 0930       3
 2 1000       7
 3 1030       3
 4 1100       7
 5 1130      NA
 6 1200       7
 7 1230      NA
 8 1300       7
 9 1330      NA
10 1400      NA

这个方案的优势在于：

• 用lubridate处理时间，避免手动字符串操作的误差
• 通过两次left_join清晰匹配前后时间点的数值，逻辑直观
• 明确判断缺失值，确保符合需求的NA输出

内容的提问来源于stack exchange，提问作者LachlanO