R按小时划分间隔

可能很简单，但很难解决，在网上寻找答案，但它们通常与

cut

和快照有关，而不是重叠的时间间隔

require(data.table)
x = data.table(start=c("2017-04-18 18:05:00","2017-04-18 18:00:00", 
"2017-04-18 21:05:00", "2017-04-18 16:05:00"), 
               end=c("2017-04-18 19:05:00","2017-04-18 21:30:00",
"2017-04-18 22:00:00", "2017-04-18 16:10:00"))

我们有4个观测值，我需要将其分配到相应的每小时窗口

                 start                 end
1: 2017-04-18 18:05:00 2017-04-18 19:05:00
2: 2017-04-18 18:00:00 2017-04-18 21:30:00
3: 2017-04-18 21:05:00 2017-04-18 22:00:00
4: 2017-04-18 16:05:00 2017-04-18 16:10:00

例如，第一个在18:00时段有55分钟，19:00时段有5分钟，下一个在18:00、19:00、20:00和21:00时段有60分钟，第三个在21:00时段有55分钟，最后一个在16:00时段有5分钟

结果应该如下（如果我的基本手册添加错误，请道歉；）

---

当然，有一种直接的方法可以按分钟分割序列，并按分割/间隔进行计数，但我相信这个问题非常常见，必须有一种直接的方法。我最好也有0值窗口，但如果需要，我可以对它们进行排序

这是一个使用

dplyr的解决方案

首先，定义一个助手函数

find_slots

，以生成

start

和

end

之间的所有小时数。接下来计算

Q

值

最后，通过对每个插槽进行分组来总结数据

library(dplyr)

find_slots <- function(a, b){
    slots = seq(a-minute(a)*60-second(a),
                b-minute(b)*60-second(b),
                "hour")

    dateseq = slots
    dateseq[1] = a
    r = c(dateseq, b)

    d = as.numeric(difftime(r[-1], r[-length(r)], unit = 'min'))

    data.frame(slot = slots, Q = d)
}

x %>%
    rowwise %>%
    do(find_slots(.$start, .$end)) %>%
    ungroup() %>%
    group_by(slot) %>%
    summarize(Q = sum(Q))

编辑：使用数据表

（可能更快，但我对data.table不太有经验）

还可以使用

fasttime

库来加速对日期时间的解析

library(fasttime)
library(data.table)

x = data.table(start=c("2017-04-18 18:05:00","2017-04-18 18:00:00", 
"2017-04-18 21:05:00", "2017-04-18 16:05:00"), 
               end=c("2017-04-18 19:05:00","2017-04-18 21:30:00",
"2017-04-18 22:00:00", "2017-04-18 16:10:00"))

find_slots2 <- function(a, b){
    a = fasttime::fastPOSIXct(a)
    b = fasttime::fastPOSIXct(b)
    slots = seq(a-data.table::minute(a)*60-data.table::second(a)*60,
                b-data.table::minute(b)*60-data.table::second(b)*60,
                "hour")

    hourseq = c(a, slots[-1], b)

    d = difftime(hourseq[-1], hourseq[-length(hourseq)], unit = 'min')

    list(slot = slots, Q = d)
}

x[, find_slots2(start, end), by = 1:nrow(x)][order(slot), .(Q = as.numeric(sum(Q))), by = slot]

库（fasttime）
库（数据表）
x=数据表（开始=c（“2017-04-18 18:05:00”，“2017-04-18 18:00:00”），
"2017-04-18 21:05:00", "2017-04-18 16:05:00"), 
结束=c（“2017-04-18 19:05:00”，“2017-04-18 21:30:00”，
"2017-04-18 22:00:00", "2017-04-18 16:10:00"))
find_slots2有一个函数
lubridate:：interval（）
，在这里可能很有用
 您是如何获得
Q
中的值的？Q是属于某个间隔的分钟数，因此，例如，案例4有5分钟（2017-04-18 16:05:00-2017-04-18 16:10:00），而所有其他案例都没有，因此结果是5Nina，您将如何在此处使用lubridate:：interval（）？它对于处理间隔非常有用，因此所有条目都可以转换为间隔，但是从那里呢？解决方案在逻辑上似乎是正确的，它在一分钟内就出现了错误（a）*60：二进制运算符的非数值参数有什么想法可以加快它的速度吗？我添加了一个data.table版本，可能更快。谢谢，只是测试，顺便说一句，fasttime操作可以在函数之前安全地移动，我认为在表上应用比在行上应用要快。表的版本要慢近50%——在80k记录（还有一个属性要分组）上，dplyr有210秒和data.table 290秒
                 slot   Q
1 2017-04-18 16:00:00   5
2 2017-04-18 18:00:00 115
3 2017-04-18 19:00:00  65
4 2017-04-18 20:00:00  60
5 2017-04-18 21:00:00  85
6 2017-04-18 22:00:00   0

library(fasttime)
library(data.table)

x = data.table(start=c("2017-04-18 18:05:00","2017-04-18 18:00:00", 
"2017-04-18 21:05:00", "2017-04-18 16:05:00"), 
               end=c("2017-04-18 19:05:00","2017-04-18 21:30:00",
"2017-04-18 22:00:00", "2017-04-18 16:10:00"))

find_slots2 <- function(a, b){
    a = fasttime::fastPOSIXct(a)
    b = fasttime::fastPOSIXct(b)
    slots = seq(a-data.table::minute(a)*60-data.table::second(a)*60,
                b-data.table::minute(b)*60-data.table::second(b)*60,
                "hour")

    hourseq = c(a, slots[-1], b)

    d = difftime(hourseq[-1], hourseq[-length(hourseq)], unit = 'min')

    list(slot = slots, Q = d)
}

x[, find_slots2(start, end), by = 1:nrow(x)][order(slot), .(Q = as.numeric(sum(Q))), by = slot]