如何从DataFrame提取满足连续24小时阈值条件的起止日期

需求 #

针对某站点数月的逐小时水强度采集数据，需自动完成以下操作：

• 定位首次出现水强度>900且连续24小时保持≥900的起始时间；
• 找到该连续高值时段结束后，水强度首次低于900的终止时间；
• 对后续所有符合条件的连续24小时以上高值/低值循环，重复上述逻辑，替代人工处理。

示例数据 #

先用以下代码生成测试数据框：

library(lubridate)

## 创建示例数据框
NoOfHours <- as.numeric(ymd_hms("2010-01-06 01:00:00") - ymd_hms("2010-01-01 07:00:00"))*24 
dt <- ymd_hms("2010-01-01 00:00:00") + hours(0:NoOfHours)
intensity <- c(rep(c(0),23),rep(c(901,904),12), rep(c(660,540),10), rep(c(905,3000),10), 550, rep(c(1000,1200),13),340)

df <- data.frame(dt, intensity)

实现代码 #

使用dplyr和lubridate包实现自动提取逻辑：

library(dplyr)

# 标记高值状态（强度≥900）
df <- df %>%
  mutate(is_high = intensity >= 900)

# 对连续的高/低值时段分组
df <- df %>%
  mutate(group = cumsum(c(1, diff(is_high) != 0)))

# 计算每个时段的关键信息：起始/结束时间、持续时长
period_summary <- df %>%
  group_by(group, is_high) %>%
  summarise(
    start_dt = first(dt),
    end_dt = last(dt),
    duration = as.numeric(end_dt - start_dt, units = "hours") + 1  # 包含首尾小时，计算总时长
  ) %>%
  ungroup()

# 筛选出符合条件的连续高值时段（时长≥24小时）
valid_high_periods <- period_summary %>%
  filter(is_high, duration >= 24)

# 生成最终结果：匹配每个高值时段的start和对应的stop时间
output <- data.frame(dt1 = character(), status = character())

for (idx in seq(nrow(valid_high_periods))) {
  current_group <- valid_high_periods$group[idx]
  # 添加start记录
  output <- rbind(output, data.frame(
    dt1 = as.character(valid_high_periods$start_dt[idx]),
    status = "start"
  ))
  
  # 找到当前高值时段之后的第一个低值时段的起始时间作为stop
  next_low <- period_summary %>%
    filter(group > current_group, !is_high) %>%
    slice_head(n=1)
  
  if (nrow(next_low) > 0) {
    output <- rbind(output, data.frame(
      dt1 = as.character(next_low$start_dt),
      status = "stop"
    ))
  }
}

print(output)

预期输出 #

运行代码后将得到如下结果：

dt1 status
1 2010-01-01 23:00:00  start
2 2010-01-02 23:00:00   stop
3 2010-01-04 16:00:00  start
4 2010-01-05 18:00:00   stop

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