如何在 R 中按连续的开始时间和结束时间分组？

Question

我正在尝试解决以下问题，将连续的开始和结束时间分组在一起，以计算总持续时间中每一天的总旅行费用。下面是一个示例数据，需要输出。

从工作区中删除所有内存

rm(list =ls())

需要的图书馆

library(tidyverse)
library(data.table)
library(lubridate)

创建数据

df <- data.frame(CountryID = c('101', '101', '101', '101', '101', '102', '102', '102', '102'),
AreaID = c('1', '1', '1', '1', '1', '2', '2', '2', '2'),
Period = c('01/01/2023', '01/01/2023', '01/01/2023', '01/01/2023', '01/01/2023', '02/01/2023', '02/01/2023', '02/01/2023', '02/01/2023'),
Day = c('Sunday', 'Sunday', 'Sunday', 'Sunday', 'Sunday', 'Monday', 'Monday', 'Monday', 'Monday'),
StartTime = c('7:00:00 AM', '7:30:00 AM', '8:00:00 AM', '8:30:00 AM', '9:00:00 AM', '7:00:00 AM', '7:30:00 AM', '8:00:00 AM', '8:30:00 AM'),
EndTime = c('7:30:00 AM', '8:00:00 AM', '8:30:00 AM', '9:00:00 AM', '9:30:00 AM', '7:30:00 AM', '8:00:00 AM', '8:30:00 AM', '9:00:00 AM')
TravelCost = c('10', '12', '11', '13', '14', '12', '10', '9', '8'))

需要输出格式

Output <- data.frame(CountryID = C(101, 102),
AreaID = C(1, 2),
Period = c('01/01/2023', '02/01/2023'),
Day = c('Sunday', 'Monday'),
StartTime = c('7:00:00 AM', '7:00:00 AM'),
EndTime = c('9:30:00 AM', '9:0:00 AM')
TotalTravelCost = c('60', '39')

我尝试如下但无法达到示例中提到的我的要求输出。

任何人都可以帮我找出我在代码中遗漏的问题吗？ 提前致谢。

Output <- df %>%
group_by(CountryID, AreaID, Period, Day, StartTime, EndTime) %>%
summarise(TotalTravelCost = sum(TravelCost))

Answer 1

也许像下面这样：

library(dplyr)

Output <- df %>%
  group_by(CountryID, AreaID, Period, Day) %>%
  mutate(across(ends_with('Time'), ~ strptime(., '%H:%M:%S'))) %>%
  mutate(idx = cumsum(coalesce(+(StartTime - lag(EndTime) > 1L), 0L))) %>%
  group_by(CountryID, AreaID, Period, Day, idx) %>%
  summarise(
    StartTime = format(min(StartTime), '%H:%M:%S'),
    EndTime = format(max(EndTime), '%H:%M:%S'),
    TravelCost = sum(as.numeric(TravelCost), na.rm = TRUE)
  ) %>%
  select(-idx)

输出：

> Output

# A tibble: 2 × 7
# Groups:   CountryID, AreaID, Period, Day [2]
  CountryID AreaID Period     Day    StartTime EndTime  TravelCost
  <chr>     <chr>  <chr>      <chr>  <chr>     <chr>         <dbl>
1 101       1      01/01/2023 Sunday 07:00:00  09:30:00         60
2 102       2      02/01/2023 Monday 07:00:00  09:00:00         39

请注意，我已经编辑了您的

data.frame

更正（假定的）拼写错误。如果你真的有奇怪的格式时间（例如

08:0:00

），请恢复到初始版本并解释。