在R中，如何根据日期和时间格式的小时基数将一个时间段的一行拆分为多行

如何在R中完成以下任务

df <- tribble(
    ~ID,         ~StartTime,              ~EndTime    
    , 01, "2018-05-14 09:30:00", "2018-05-14 12:10:00"
    , 02, "2018-05-14 21:30:00", "2018-05-15 02:00:00"
    , 03, "2018-05-15 07:00:00", "2018-05-16 22:30:00"
    , 04, "2018-05-16 23:00:00", "2018-05-16 23:40:00"
    , 05, "2018-05-17 01:00:00", "2018-05-19 15:00:00"
)

df$StartDate <- as.POSIXlt(df$StartDate, tryFormats = "%Y-%m-%d %H:%M:%S")
df$EndDate   <- as.POSIXlt(df$EndDate, tryFormats = "%Y-%m-%d %H:%M:%S")

后处理多行：

01, "2018-05-14 09:30:00", "2018-05-14 10:00:00"
01, "2018-05-14 10:00:00", "2018-05-14 11:00:00"
01, "2018-05-14 11:00:00", "2018-05-14 12:00:00"
01, "2018-05-14 12:00:00", "2018-05-14 12:10:00"

---

希望我的请求是明确的。

我们可以编写一个函数，在两个时间戳之间生成每小时一次的序列。使用

map2

我们为每对

StartTime

和

EndTime

调用该函数，并展开数据帧

library(dplyr)
library(lubridate)

generate_hourly_time <- function(x, y) {
   EndTime <- ceiling_date(x, 'hour')
   EndTime2 <- seq(EndTime, floor_date(y, 'hour'), 'hour')
   tibble(StartTime = c(x, EndTime2), EndTime = c(EndTime2, y))
}


df %>%
  mutate(across(-1, ymd_hms)) %>%
  #For dplyr < 1.0.0
  #mutate_at(-1, ymd_hms) %>%
  mutate(time = purrr::map2(StartTime, EndTime, generate_hourly_time)) %>%
  select(ID, time) %>%
  tidyr::unnest(time)


# A tibble: 117 x 3
#      ID StartTime           EndTime           
#   <dbl> <dttm>              <dttm>             
# 1     1 2018-05-14 09:30:00 2018-05-14 10:00:00
# 2     1 2018-05-14 10:00:00 2018-05-14 11:00:00
# 3     1 2018-05-14 11:00:00 2018-05-14 12:00:00
# 4     1 2018-05-14 12:00:00 2018-05-14 12:10:00
# 5     2 2018-05-14 21:30:00 2018-05-14 22:00:00
# 6     2 2018-05-14 22:00:00 2018-05-14 23:00:00
# 7     2 2018-05-14 23:00:00 2018-05-15 00:00:00
# 8     2 2018-05-15 00:00:00 2018-05-15 01:00:00
# 9     2 2018-05-15 01:00:00 2018-05-15 02:00:00
#10     2 2018-05-15 02:00:00 2018-05-15 02:00:00
# … with 107 more rows

库（dplyr）
图书馆（lubridate）
生成每小时\u时间%
mutate（time=purrr:：map2（开始时间、结束时间、每小时生成时间））%>%
选择（ID，时间）%>%
tidyr:：unnest（时间）
#A tibble:117x3
#ID开始时间结束时间
#                               
# 1     1 2018-05-14 09:30:00 2018-05-14 10:00:00
# 2     1 2018-05-14 10:00:00 2018-05-14 11:00:00
# 3     1 2018-05-14 11:00:00 2018-05-14 12:00:00
# 4     1 2018-05-14 12:00:00 2018-05-14 12:10:00
# 5     2 2018-05-14 21:30:00 2018-05-14 22:00:00
# 6     2 2018-05-14 22:00:00 2018-05-14 23:00:00
# 7     2 2018-05-14 23:00:00 2018-05-15 00:00:00
# 8     2 2018-05-15 00:00:00 2018-05-15 01:00:00
# 9     2 2018-05-15 01:00:00 2018-05-15 02:00:00
#10     2 2018-05-15 02:00:00 2018-05-15 02:00:00
#…还有107行

我希望它有用：

df <- tribble(
  ~ID,         ~StartTime,              ~EndTime    
  , 01, "2018-05-14 09:30:00", "2018-05-14 12:10:00"
  , 01, "2018-05-14 09:30:00", "2018-05-14 12:10:00"
  , 01, "2018-05-14 09:30:00", "2018-05-14 12:10:00"
  , 01, "2018-05-14 09:30:00", "2018-05-14 12:10:00"
  , 01, "2018-05-14 09:30:00", "2018-05-14 12:10:00"
  , 02, "2018-05-14 21:30:00", "2018-05-15 02:00:00"
  , 03, "2018-05-15 07:00:00", "2018-05-16 22:30:00"
  , 04, "2018-05-16 23:00:00", "2018-05-16 23:40:00"
  , 05, "2018-05-17 01:00:00", "2018-05-19 15:00:00"
)

nrow(df)

id.unique <- unique(df[,'ID'])
id.unique.numeric <- as.numeric(unlist(id.unique))

id.i <- id.unique.numeric

for (i in id.i) {
  out.pre <- subset(df, ID==i)
  name.out <- paste('df', i, '<-out.pre', sep = '')
  eval(parse(text=name.out))
}

df1

df您还可以执行以下操作：

library(tidyverse)
df %>%
  pivot_longer(-ID)%>%
  group_by(ID)%>%
  mutate(start = list(unique(c(value[1],seq(strptime(value[1],"%F %H"),
                                     value[2],"1 hour")[-1],value[2]))),
         name = NULL, value = NULL)%>%
  slice(1)%>%
  unnest(start)%>%
  mutate(end = lead(start,1,last(start)))
# A tibble: 117 x 3
# Groups:   ID [5]
      ID start               end                
   <dbl> <dttm>              <dttm>             
 1     1 2018-05-14 09:30:00 2018-05-14 10:00:00
 2     1 2018-05-14 10:00:00 2018-05-14 11:00:00
 3     1 2018-05-14 11:00:00 2018-05-14 12:00:00
 4     1 2018-05-14 12:00:00 2018-05-14 12:10:00
 5     1 2018-05-14 12:10:00 2018-05-14 12:10:00
 6     2 2018-05-14 21:30:00 2018-05-14 22:00:00
 7     2 2018-05-14 22:00:00 2018-05-14 23:00:00
 8     2 2018-05-14 23:00:00 2018-05-15 00:00:00
 9     2 2018-05-15 00:00:00 2018-05-15 01:00:00
10     2 2018-05-15 01:00:00 2018-05-15 02:00:00
# ... with 107 more rows

库（tidyverse）
df%>%
枢轴长度（-ID）%>%
分组依据（ID）%>%
mutate（start=list（惟一的（c（值[1]，seq（strtime（值[1]），%F%H）），
值[2]，“1小时”）[-1]，值[2]），
名称=空，值=空）%>%
切片（1）%>%
unnest（开始）%%>%
突变（结束=领先（开始，1，最后（开始）））
#A tibble:117x3
#组别:ID[5]
ID起始端
1     1 2018-05-14 09:30:00 2018-05-14 10:00:00
2     1 2018-05-14 10:00:00 2018-05-14 11:00:00
3     1 2018-05-14 11:00:00 2018-05-14 12:00:00
4     1 2018-05-14 12:00:00 2018-05-14 12:10:00
5     1 2018-05-14 12:10:00 2018-05-14 12:10:00
6     2 2018-05-14 21:30:00 2018-05-14 22:00:00
7     2 2018-05-14 22:00:00 2018-05-14 23:00:00
8     2 2018-05-14 23:00:00 2018-05-15 00:00:00
9     2 2018-05-15 00:00:00 2018-05-15 01:00:00
10     2 2018-05-15 01:00:00 2018-05-15 02:00:00
# ... 还有107行
最后一行是否应为原始数据中的
12:10:00
？感谢您的查询，但当时间为23:00至1:30时，它不起作用，因为day也应得到更新。例如：1 2018-05-14 23:30:00 2018-05-15 01:10:00至2018-05-14 23:30:00 2018-05-15 00:00:00，2018-05-15 00:00:00 2018-05-15 01:00:00 2018-05-15 01:00:00 2018-05-15 01:00:00：00@abhishekjaiswal对我来说是的。请参见我显示的输出中ID=2的行，那里的日期发生了变化。它为您共享的数据提供了什么输出？要查看更改，您需要将数据分配给对象
df1%mutate（跨（-1，ymd_hms））……等
，并查看
df1
中的更改。好的，让我检查一下。感谢当我使用3.5.1中的代码时，在cross（-1，ymd_hms）中出现错误：找不到函数“cross”错误。是否有解决方法。
cross
在
dplyr 1.0.0
中提供。如果您的版本较旧，请使用
mutate_at（-1，ymd_hms）
。
library(tidyverse)
df %>%
  pivot_longer(-ID)%>%
  group_by(ID)%>%
  mutate(start = list(unique(c(value[1],seq(strptime(value[1],"%F %H"),
                                     value[2],"1 hour")[-1],value[2]))),
         name = NULL, value = NULL)%>%
  slice(1)%>%
  unnest(start)%>%
  mutate(end = lead(start,1,last(start)))
# A tibble: 117 x 3
# Groups:   ID [5]
      ID start               end                
   <dbl> <dttm>              <dttm>             
 1     1 2018-05-14 09:30:00 2018-05-14 10:00:00
 2     1 2018-05-14 10:00:00 2018-05-14 11:00:00
 3     1 2018-05-14 11:00:00 2018-05-14 12:00:00
 4     1 2018-05-14 12:00:00 2018-05-14 12:10:00
 5     1 2018-05-14 12:10:00 2018-05-14 12:10:00
 6     2 2018-05-14 21:30:00 2018-05-14 22:00:00
 7     2 2018-05-14 22:00:00 2018-05-14 23:00:00
 8     2 2018-05-14 23:00:00 2018-05-15 00:00:00
 9     2 2018-05-15 00:00:00 2018-05-15 01:00:00
10     2 2018-05-15 01:00:00 2018-05-15 02:00:00
# ... with 107 more rows