R 计算总运行时间

我有以下数据：

库（dplyr，warn.conflicts=FALSE）
df#A tible:6 x 2
#>x相
#>      
#>130第一期
#>260第一期
#>390第一期
#>430第二阶段
#>560第二阶段
#>690第二阶段

由（v0.3.0）于2020年8月11日创建

其中，

x

是每个

阶段内经过的时间（以秒为单位）。由于
阶段
是连续发生的，因此我对计算总运行时间感兴趣

所需输出：

#>#tible:6 x 3
#>x相位经过时间
#>              
#>130第130期
#>2 60第1阶段60
#>390第190期
#>4 30第2阶段120
#>560第2期150
#>690第2期180

有什么想法吗？请注意，我的真实示例有更多的阶段。
这里是一个通过
dplyr
实现的想法。首先，我们需要按
阶段进行分组，并获得每个阶段的时间差。然后，我们将
ungroup（）
并将
cumsum（）
作为一个总数，即

library(dplyr)

df %>% 
 group_by(phase) %>% 
 mutate(diffs = x - lag(x, default = 0)) %>% 
 ungroup() %>% 
 mutate(res = cumsum(diffs)) %>% 
 select(-diffs)

# A tibble: 6 x 3
#      x phase     res
#  <dbl> <chr>   <dbl>
#1    30 phase 1    30
#2    60 phase 1    60
#3    90 phase 1    90
#4    30 phase 2   120
#5    60 phase 2   150
#6    90 phase 2   180

库（dplyr）
df%>%
分组单位（阶段）%>%
变异（差异=x-滞后（x，默认值=0））%>%
解组（）%>%
突变（res=cumsum（diff））%>%
选择（-diff）
#一个tibble:6x3
#x相位分辨率
#      
#130第130期
#2 60第1阶段60
#390第190期
#4 30第2阶段120
#560第2期150
#690第2期180
我相信下面的帖子有你想要的答案：


它显示了如何使用
groupby
和
mutate
创建累积列。您似乎希望在两个阶段中计算所用时间的总和，因此不要在代码中包含
groupby
调用。
这里是另一个
dplyr
解决方案。它找到每个阶段的开始，并将其添加到x

库（tidyverse）
df%分组单位（相位）%>%
嵌套（）%>%
突变（开始=map_dbl（数据，最大值））%>%
解组（）%>%
突变（开始=滞后（开始，默认值=0））%>%
unnest（数据）%%>%
变异（经过的时间=开始+x）%>%
选择（-start）
#>#tibble:6 x 3
#>相位x经过的时间
#>              
#>1第1阶段30 30
#>2第一期60 60
#>三期第一期90
#>4第二阶段30 120
#>5第二阶段60 150
#>6第2阶段90 180

由（v0.3.0）于2020年8月11日创建