如何用R语言汇总流量计启停时间？附相关数据集

针对你需要汇总流量计启停时间的需求，我整理了两种R语言的实现方案，分别使用dplyr（tidyverse风格）和Base R，你可以根据习惯选择：

1. 先确认完整的数据集结构 #

首先我们把你提供的数据集补全，确保可以直接运行：

df <- structure(
  list(
    dt = structure(
      c(1519891200, 1519891320, 1519891440, 1519891560, 1519891680, 
        1519891800, 1519891920, 1519892040, 1519892160, 1519892280, 
        1519892400, 1519892520, 1519892640, 1519892760, 1519892880),
      class = c("POSIXct", "POSIXt"), tzone = ""
    ),
    gpm = c(0, 0, 0, 50, 50, 50, 50, 50, 0, 0, 80, 80, 80, 0, 0)
  ),
  .Names = c("dt", "gpm"),
  row.names = c(NA, 15L)
)

2. 使用dplyr的简洁实现（推荐） #

这个方案利用tidyverse的工具链，逻辑清晰易读，还能额外计算平均流量、总时长和总容积：

library(dplyr)

start_stop_summary <- df %>%
  # 标记当前时间点是否处于运行状态（流量>0）
  mutate(running = gpm > 0) %>%
  # 为连续的运行/停止状态创建分组：每次状态变化时分组ID+1
  mutate(group = cumsum(running != lag(running, default = FALSE))) %>%
  # 只保留有流量的运行分组
  filter(running) %>%
  # 按分组汇总启停时间及其他统计项
  group_by(group) %>%
  summarise(
    start_time = min(dt),
    # 注意：这里加120秒（2分钟）是因为采集间隔为2分钟，最后一个数据点的结束时间=采集时间+间隔
    # 如果你的dt是时间段结束时间，这里直接用max(dt)即可
    end_time = max(dt) + 120,
    avg_flow_gpm = mean(gpm),
    total_duration_min = difftime(end_time, start_time, units = "mins"),
    total_volume_gal = as.numeric(total_duration_min) * avg_flow_gpm
  ) %>%
  ungroup() %>%
  select(-group)  # 移除临时分组列

# 查看结果
print(start_stop_summary)

运行后会得到这样的统计结果：

start_time            end_time avg_flow_gpm total_duration_min total_volume_gal
1 2018-03-01 00:00:00 2018-03-01 00:16:00           50                16              800
2 2018-03-01 00:20:00 2018-03-01 00:26:00           80                 6              480

3. Base R实现（无需额外包） #

如果你不想加载第三方包，可以用Base R完成相同的统计：

# 标记运行状态
df$running <- df$gpm > 0
# 创建状态分组
df$group <- cumsum(c(TRUE, df$running[-1] != df$running[-nrow(df)]))

# 筛选出所有包含运行状态的分组
running_groups <- split(df, df$group)
running_groups <- running_groups[sapply(running_groups, function(g) any(g$running))]

# 逐个分组汇总统计
start_stop_base <- do.call(rbind, lapply(running_groups, function(group_data) {
  start <- min(group_data$dt)
  end <- max(group_data$dt) + 120
  duration <- difftime(end, start, units = "mins")
  avg_flow <- mean(group_data$gpm)
  
  data.frame(
    start_time = start,
    end_time = end,
    avg_flow_gpm = avg_flow,
    total_duration_min = duration,
    total_volume_gal = as.numeric(duration) * avg_flow,
    stringsAsFactors = FALSE
  )
}))

# 查看结果
print(start_stop_base)

关键逻辑说明 #

• 核心是通过状态变化来划分连续的运行时间段：当gpm从0变为非0时，标记为新的运行组；
• 关于end_time的计算：因为你的数据采集间隔是2分钟，默认每个dt代表该时间段的起始时间，所以运行结束时间是最后一个采集点的时间加上2分钟；如果你的dt是时间段的结束时间，直接用max(dt)即可。

内容的提问来源于stack exchange，提问作者Gerry