可能我需要更改标题，但我缺乏语言来简明扼要地表达问题。
我有一个具有以下结构的大数据框：
class(df)
[1] "SpatialPointsDataFrame"
df
coordinates ID group_id value1 time zone
1 (9.09077, 45.47737) 24739 1 70 1505480403 62
2 (9.24016, 45.50221) 62965 1 35 1505480403 19
3 (9.22375, 45.50891) 93104 1 86 1505480403 16
4 (9.24392, 45.51171) 35646 1 80 1505480403 17
5 (9.24326, 45.51349) 24747 1 80 1505480403 17
6 (9.12738, 45.46933) 44274 1 53 1505480403 60
7 (9.25434, 45.45346) 53579 1 99 1505480403 30
8 (9.20306, 45.42118) 74565 1 37 1505480403 38
9 (9.1183, 45.45458) 74521 1 79 1505480403 53
10 (9.14386, 45.44674) 53584 1 62 1505480403 49
11 (9.14961, 45.51675) 44283 1 80 1505480403 81
12 (9.20478, 45.50888) 62936 1 50 1505480403 13
13 (9.20352, 45.421) 87311 1 80 1505480403 38
14 (9.11081, 45.49871) 43467 1 80 1505480403 65
15 (9.25292, 45.51276) 93101 1 41 1505480403 17
16 (9.08882, 45.45794) 53507 1 26 1505480403 55
17 (9.2071, 45.50587) 53522 1 80 1505480403 13
18 (9.22379, 45.50888) 87372 1 80 1505480403 16
19 (9.24388, 45.50456) 87332 1 21 1505480403 19
20 (9.20917, 45.51816) 47710 1 69 1505480403 15
21 (9.12292, 45.50486) 06213 1 83 1505480403 72
22 (9.21751, 45.51149) 35633 1 80 1505480403 16
23 (8.85098, 45.60636) 35632 1 70 1505480403 N/A
24 (9.08967, 45.46126) 79065 1 29 1505480403 55
25 (9.11043, 45.4958) 72813 1 80 1505480403 65
26 (9.14425, 45.44787) 06221 1 53 1505480403 49
27 (9.21566, 45.51105) 06286 1 81 1505480403 16
28 (9.15909, 45.52463) 53547 1 22 1505480403 82
29 (9.1357, 45.45472) 74513 1 85 1505480403 52
30 (8.85068, 45.60646) 62949 1 80 1505480403 N/A
31 (9.20874, 45.42597) 06296 1 20 1505480403 38
32 (9.1992, 45.51189) 62972 1 84 1505480403 14
33 (9.15462, 45.51798) 43496 1 52 1505480403 81
34 (9.08816, 45.47548) 87351 1 21 1505480403 62
35 (9.13154, 45.43608) 93106 1 50 1505480403 48
36 (9.14139, 45.44461) 14879 1 29 1505480403 48
37 (9.19553, 45.44263) 43464 1 78 1505480403 37
38 (9.14361, 45.48266) 87371 1 80 1505480403 58
39 (9.13611, 45.46989) 36099 1 91 1505480403 57
40 (9.22385, 45.50939) 53590 1 94 1505480403 16
41 (9.08562, 45.45992) 75494 1 40 1505480403 55
42 (9.20702, 45.52272) 24709 1 44 1505480403 14
43 (9.23615, 45.50845) 53577 1 31 1505480403 16
44 (9.08801, 45.47528) 24766 1 64 1505480403 62
45 (9.24426, 45.51104) 62975 1 80 1505480403 17
46 (9.2403, 45.50226) 62965 1 35 1505476803 19
47 (9.22376, 45.50896) 93104 1 86 1505476803 16
48 (9.09076, 45.47738) 24739 1 70 1505476803 62
49 (9.24405, 45.51173) 35646 1 80 1505476803 17
50 (9.24327, 45.51344) 24747 1 80 1505476803 17
106 (9.22914, 45.45137) 30907 1 89 1505376003 29
112 (9.22917, 45.45136) 30907 1 89 1505372403 29
118 (9.2291, 45.45126) 30907 1 89 1505368803 29
124 (9.22917, 45.45137) 30907 1 89 1505365203 29
130 (9.22918, 45.4514) 30907 1 89 1505361603 29
正如您在最后几行中所看到的那样，经常发生观察发生在同一点（或其附近），在连续探测器中使用相同的传感器。 有没有办法将数据集转换为具有start_time（在点中第一次观察的时间）和end_time（在点+ 60min观察最后一次观察的时间）？
数据集有超过675000个观测值，但很多都是“可分组的”
这些是移动的veichles上的gps传感器，我每小时从它们收集信息，通过多次观察，veichles保持相同的位置。我想要做的是，对于每组观察（相同的id，几米范围内的相同位置，连续时间）生成一个新的数据帧，如果观察是“单一的”，则它具有start_time = time, end_time = time +60min if，on另一方面，有几个观察结果可以分组（如上例中的第106-130行）它应该有start_time = time of the first observation (1505376003 taking the aformentioned example), end_time = time of the last observation +60min (1505361603 +60min)
EDIT2：我能够识别（使用只有一个“ID”的子集），如果时间间隔是连续的（仍然无法理解为什么差异是以秒为单位而不是以小时为单位）c(NA,diff(round(as_datetime(df$time), units="hours"))==-3600)
我试着查看各种来源无济于事。
谢谢
答案 0 :(得分：0)
按时间tmp <- arrange(df, time)
创建一个索引来识别每个ID的“时间簇”（我将linux转换为datetime并将其四舍五入到更接近的整个小时）
run <- ddply(tmp, .(ID), transform, run=cumsum(c(1, diff(round(as_datetime(time), units="hours"))!=1)))
我将它包装起来，为组中的第一个和最后一个出现可能已更改的值（您可以选择使用均值，中位数或其他函数）
final <- ddply(run, .(ID, run), summarize, group_id=first(group_id), longs=first(longs), lats=first(lats), zone=first(zone), value1_start=first(value1), value1_end=last(value1), start_event=first(time), end_event=last(time))
结果很好，很整洁
coordinates ID run group_id zone value1_start value1_end start_event end_event
1 (9.22888, 45.52752) 30907 1 1 N/A 54 54 1496872804 1496872804
2 (9.2289, 45.52752) 30907 2 1 N/A 52 52 1496959205 1496959205
3 (9.20471, 45.47467) 30907 3 1 3 91 91 1497006004 1497006004
4 (9.20394, 45.46005) 30907 4 1 4 85 85 1497013203 1497016805
5 (9.22661, 45.48286) 30907 5 1 22 71 69 1497369603 1497387604
6 (9.22701, 45.47922) 30907 6 1 22 91 91 1497412804 1497412804