按ID从最新年份倒序统计连续超阈值的value次数的实现需求

需求说明 #

现有包含id、year、value三列的数据框，需按id分组，从最新年份倒序检查value是否超过指定阈值（示例阈值为0），一旦遇到等于阈值的记录则停止统计，最终得到每个ID对应的连续达标年份数量。

示例数据 #

id <- rep(c("a", "b", "c"), each = 5)
year <- rep(c(1997:2001), times = 3)
value <- c(0.1, 0.5, 0, 0, 0, 0, 0.1, 0.6, 0.7, 0.4, 0.6, 0,0.3,0.5,0.5)
data <- data.frame(id, year, value)

解决方案1：使用dplyr（tidyverse系列） #

这是直观的tidy风格处理方式，步骤清晰易读：

library(dplyr)

# 指定阈值
threshold <- 0

result <- data %>%
  group_by(id) %>%
  # 按年份降序排列，确保从最新年份开始检查
  arrange(desc(year)) %>%
  # 标记达标状态，同时判断是否仍处于连续达标阶段（未遇到阈值）
  mutate(
    is_qualified = value > threshold,
    # 累积统计不达标次数，次数为0则说明还在连续达标期
    still_qualified = cumsum(!is_qualified) == 0
  ) %>%
  # 统计每个ID的连续达标年份数
  summarise(continuous_qualified_years = sum(still_qualified)) %>%
  ungroup()

# 查看结果
print(result)

输出结果

# A tibble: 3 × 2
  id    continuous_qualified_years
  <chr>                      <int>
1 a                              0
2 b                              4
3 c                              3

解决方案2：使用Base R #

无需加载额外包，直接用基础函数处理：

threshold <- 0

# 按ID分组处理
result_base <- do.call(rbind, by(data, data$id, function(df) {
  # 按年份降序排序
  df_sorted <- df[order(-df$year), ]
  # 找到第一个等于阈值的记录位置
  first_threshold_pos <- which(df_sorted$value == threshold)[1]
  # 计算连续达标数：无阈值记录则取全部行数，否则取位置减1
  count <- ifelse(is.na(first_threshold_pos), nrow(df_sorted), first_threshold_pos - 1)
  data.frame(id = unique(df$id), continuous_qualified_years = count)
}))

# 查看结果
print(result_base)

输出结果

id continuous_qualified_years
a  a                          0
b  b                          4
c  c                          3

内容的提问来源于stack exchange，提问作者user30335471