R dplyr суммирует данные по интервалам

Возможно, этот подход подойдет вам (с дополнением благодаря @thelatemail)?

df %>% 
  filter(cum_time<=300) %>% 
  group_by(id, grp=cut(cum_time, seq(0, max(cum_time),60), include.lowest = T)) %>% 
  summarize(median_value = median(value), cum_time=max(cum_time), .groups = "drop") %>% 
  select(-grp)

Выход:

    id median_value cum_time
1  id1     15.72853       60
2  id1     15.74687      120
3  id1     14.87811      180
4  id1     16.00048      240
5  id1     14.57858      300
6  id2     15.98761       60
7  id2     14.65317      120
8  id2     15.36035      180
9  id2     15.16835      240
10 id2     13.90954      300
11 id3     12.68951       60
12 id3     15.79852      120
13 id3     14.03968      180
14 id3     14.29187      240
15 id3     15.11250      300

Непоследовательные интервалы сложны; возможно, вы могли бы «разбить его на две части», а затем соединить результат? Например.

Пример данных:

library(dplyr)
library(RcppRoll)

set.seed(1)
df <- data.frame(id = c(rep("id1", 100), rep("id2", 100), rep("id3", 100)),
                 value = runif (300, 10, 20)) %>%
  dplyr::group_by(id) %>%
  dplyr::mutate(cum_time = 5 * (dplyr::row_number()-1))

expected_outcome <- rbind(data.frame(id = "id1", median_value = c(median(dplyr::filter(df, id == "id1" & cum_time >= 0 & cum_time <= 60)$value),
                                                                  median(dplyr::filter(df, id == "id1" & cum_time >= 65 & cum_time <= 120)$value),
                                                                  median(dplyr::filter(df, id == "id1" & cum_time >= 125 & cum_time <= 180)$value),
                                                                  median(dplyr::filter(df, id == "id1" & cum_time >= 185 & cum_time <= 240)$value),
                                                                  median(dplyr::filter(df, id == "id1" & cum_time >= 245 & cum_time <= 300)$value)),
                                     cum_time = c(60, 120, 180, 240, 300)),
                          data.frame(id = "id2", median_value = c(median(dplyr::filter(df, id == "id2" & cum_time >= 0 & cum_time <= 60)$value),
                                                                  median(dplyr::filter(df, id == "id2" & cum_time >= 65 & cum_time <= 120)$value),
                                                                  median(dplyr::filter(df, id == "id2" & cum_time >= 125 & cum_time <= 180)$value),
                                                                  median(dplyr::filter(df, id == "id2" & cum_time >= 185 & cum_time <= 240)$value),
                                                                  median(dplyr::filter(df, id == "id2" & cum_time >= 245 & cum_time <= 300)$value)),
                                     cum_time = c(60, 120, 180, 240, 300)),
                          data.frame(id = "id3", median_value = c(median(dplyr::filter(df, id == "id3" & cum_time >= 0 & cum_time <= 60)$value),
                                                                  median(dplyr::filter(df, id == "id3" & cum_time >= 65 & cum_time <= 120)$value),
                                                                  median(dplyr::filter(df, id == "id3" & cum_time >= 125 & cum_time <= 180)$value),
                                                                  median(dplyr::filter(df, id == "id3" & cum_time >= 185 & cum_time <= 240)$value),
                                                                  median(dplyr::filter(df, id == "id3" & cum_time >= 245 & cum_time <= 300)$value)),
                                     cum_time = c(60, 120, 180, 240, 300)))

Пример кода:

first_block <- df %>%
  filter(cum_time <= 60) %>%
  mutate(median_value = median(value)) %>%
  select(-value) %>%
  filter(cum_time == 60)

second_time_block <- df %>%
  filter(cum_time >= 65) %>%
  mutate(median_value = roll_median(value, n = 12, by = 12, fill = NA,
                                    align = c("right"))) %>%
  select(-value) %>%
  filter(cum_time %% 60 == 0)

outcome <- first_block %>%
  bind_rows(second_time_block) %>%
  arrange(cum_time, .by_group = TRUE) %>%
  filter(cum_time <= 300)

all_equal(expected_outcome, outcome)
#> [1] TRUE

^{Created on 2024-05-17 with reprex v2.1.0}

Желаемый интервал выглядит как (0-60,65-120,125-180,...) с пробелами.

Мы можем использовать cut() и, поскольку эта функция требует непрерывных интервалов без пробелов, потому что вы объявляете breaks интервалов в cut(). Поэтому нам просто нужно будет удалить интервалы, которые после этого не нужны.

foo = function(x){
  cut(x,breaks=c(-1,60,64,120,124,180,184,240,244,300),      
 labels=c("60","remove","120","remove","180","remove","240","remove","300"))
}

df |> 
  mutate(cum_interval=foo(cum_time))|>
  filter(cum_interval! = "remove") |>
  group_by(id,cum_interval)|>
  summarise(median_value=median(value))