如何在R语言中计算向量指定区间滚动最小值的距今天数？

针对你需要计算每个交易日对应50-100天前区间内最小值的距今时长的需求，以下是基于data.table（适合百万级大数据）和dplyr（代码更简洁）的高效实现方案：

明确区间范围 #

你之前用TTR::runMin(dplyr::lag(v,51),50)计算的是距今51-100天的滚动最小值（共50个交易日的数据），我们的目标是对每个位置i，找到v[(i-100):(i-51)]中最小值对应的原始位置，再计算i - 原始位置得到距今天数。

方案1：data.table（百万级数据首选） #

data.table的非等连接和分组操作在大数据场景下效率远高于基础R或dplyr，适合处理百万行级别的数据集：

library(data.table)

# 构造带索引的数据集
dt <- data.table(day_id = 1:length(v), price = v)

# 定义窗口参数：距今51-100天
lookback_min <- 51
lookback_max <- 100

# 为每个交易日计算窗口的起止索引
dt[, `:=`(window_start = day_id - lookback_max, window_end = day_id - lookback_min)]

# 非等连接匹配窗口，找到每个窗口内价格最小的交易日索引
result <- dt[dt, 
             on = .(day_id >= window_start, day_id <= window_end),
             .(current_day = i.day_id, min_day = day_id[which.min(price)]),
             by = .EACHI]

# 合并回原表，计算距今天数
dt <- dt[result, on = .(day_id = current_day)][, days_ago := day_id - min_day]

最终dt$days_ago就是每个交易日对应的区间最小值距今时长，前100天因无足够历史数据会返回NA。

方案2：dplyr + slide（代码简洁） #

如果更习惯dplyr的语法，可以结合slide包实现滑动窗口的最小值位置查找：

library(dplyr)
library(slide)

# 构造数据集
tb <- tibble(day_id = 1:length(v), price = v)

# 定义窗口参数
lookback_min <- 51
lookback_max <- 100

# 滑动窗口计算最小值在窗口内的索引，再转换为距今天数
tb <- tb %>%
  mutate(
    # 取当前交易日往前100到51天的价格窗口，返回最小值在窗口内的位置（1-50）
    window_min_pos = slide_dbl(
      price,
      ~ which.min(.x),
      .window = c(-lookback_max, -lookback_min),
      .complete = TRUE  # 仅返回窗口完整的结果，否则为NA
    ),
    # 转换为距今天数：窗口第1位对应100天前，第50位对应51天前
    days_ago = lookback_max - (window_min_pos - 1)
  )

tb$days_ago即为所需结果，同样前100天返回NA。

效率说明 #

• 百万级数据集优先选择data.table方案，其底层优化的连接和分组操作能大幅减少计算时间；
• 若数据集规模较小，dplyr + slide的代码可读性更高，开发效率更快。

内容的提问来源于stack exchange，提问作者RomanS