在R语言中处理hms格式数据：转时分/按分钟取整及直方图绘制

嘿，我来帮你搞定这个按分钟区间统计前置时间频次的需求！你需要把hms格式的时间数据（比如1min10sec、1min47sec这类）统一归到对应的整数分钟区间，然后绘制直方图对吧？下面用两种常用工具（Python和R）给你具体实现方案：

步骤1：数据转换，把hms字符串转成整数分钟 #

首先我们要把带"min"和"sec"的字符串转换成只保留整数部分的分钟数，这样所有1分多的时间都会被归到1分钟区间：

import pandas as pd
import matplotlib.pyplot as plt

# 替换成你的实际数据
lead_times = pd.Series([
    '1min 10sec', '1min 10sec', '1min 10sec', '1min 10sec', '1min 10sec',
    '1min 10sec', '1min 10sec', '1min 10sec', '1min 10sec', '1min 10sec',
    '1min 47sec', '1min 47sec', '1min 47sec'
])

# 定义转换函数：提取分钟数，忽略秒数
def hms_to_int_min(hms_str):
    # 拆分出分钟部分并转成整数
    return int(hms_str.split('min')[0])

# 生成整数分钟列
lead_times_df = pd.DataFrame({
    'raw_time': lead_times,
    'lead_time_min': lead_times.apply(hms_to_int_min)
})

步骤2：统计频次并绘制直方图 #

接下来统计每个分钟区间的事件数，然后用直方图展示：

# 统计各分钟区间的频次，按分钟排序
frequency_stats = lead_times_df['lead_time_min'].value_counts().sort_index()

# 绘制直方图（用bar图更直观展示离散的分钟区间）
plt.figure(figsize=(8, 5))
plt.bar(frequency_stats.index, frequency_stats.values, width=0.8, color='#2ecc71')
plt.xlabel('前置时间（分钟）')
plt.ylabel('事件频次')
plt.title('前置时间事件频次分布')
plt.xticks(frequency_stats.index)  # 确保x轴显示所有存在的分钟区间
plt.grid(axis='y', alpha=0.3)
plt.show()

如果你的数据已经是Pandas的Timedelta类型，那转换更简单：

# 假设lead_times是Timedelta类型
lead_times_df['lead_time_min'] = lead_times.dt.total_seconds() // 60  # 总秒数取整为分钟

如果你习惯用R，也可以这样处理：

library(dplyr)
library(ggplot2)
library(stringr)

# 模拟你的数据，替换成实际数据
lead_times_df <- data.frame(
  raw_time = c(rep("1min 10sec", 10), rep("1min 47sec", 3))
)

# 提取整数分钟
lead_times_df <- lead_times_df %>%
  mutate(lead_time_min = as.integer(str_extract(raw_time, "\\d+(?=min)")))

# 绘制直方图
ggplot(lead_times_df, aes(x = lead_time_min)) +
  geom_histogram(binwidth = 1, stat = "count", fill = "#3498db", color="white") +
  labs(
    x = "前置时间（分钟）",
    y = "事件频次",
    title = "前置时间事件频次分布"
  ) +
  theme_minimal()

这样处理后，所有1分0秒到1分59秒的事件都会被归到1分钟区间，完美符合你的需求！

内容的提问来源于stack exchange，提问作者Juan Carlos Joaquin