如何在分组滑动窗口中按条件统计hr>0的出现次数？

示例数据集 #

structure(list(id = c("AA2A", "AA2A", "AA2A", "AA2A", "AA2A", 
"AA2A", "XX7H", "XX7H", "XX7H", "XX7H", "XX7H", "XX7H"), hr = c(31L, 
31L, 31L, 0L, 0L, 50L, 50L, 0L, 0L, 0L, 0L, 84L)), class = "data.frame", row.names = c(NA, 
-12L))

需求 #

针对每个id，在大小为3的滑动窗口中统计hr>0的出现次数，生成新列result。

尝试过的无效代码 #

slider包 #

mutate(result = slide_dbl(hr,length(hr>0), .before = 3, .after = 0, .complete = FALSE))
mutate(result = slide_dbl(hr,summarise_if(hr>0), .before = 3, .after = 0, .complete = FALSE))

zoo包 #

mutate(result=rollapply(hr, width=3, FUN=function(x) length(hr>0), partial=TRUE, align='left'))

注：完整数据集含100万行、10列，zoo包代码运行过慢；此前用slide_dbl计算均值、中位数正常，但添加hr>0条件后失效；分组操作group_by(id)无问题，工作环境为tidyverse。

解决方案 #

正确的slider包实现 #

核心问题是你在slide_dbl里传入的函数错误：应该针对**窗口内的子集x**计算，而不是引用整个列hr。同时要注意窗口参数的设置，确保窗口大小为3：

library(tidyverse)
library(slider)

df %>%
  group_by(id) %>%
  mutate(
    # 窗口为当前行 + 前2行，共3行；不足3行时仍计算（.complete=FALSE）
    result = slide_dbl(hr, ~sum(.x > 0), .before = 2, .complete = FALSE)
    # 如果需要窗口是当前行 + 后2行（对应zoo的align='left'），则用：
    # result = slide_dbl(hr, ~sum(.x > 0), .after = 2, .complete = FALSE)
  ) %>%
  ungroup()

代码解释 #

• ~sum(.x > 0)：匿名函数，对每个滑动窗口内的hr值，统计大于0的数量（sum(逻辑值)等价于计数TRUE的个数，比length(which(.x>0))更高效）。
• .before = 2：表示窗口包含当前行及前面2行，总大小为3；如果你的需求是从当前行往后取3个（和zoo的align='left'一致），则改用.after = 2。
• slider包基于C++实现，性能远优于zoo的rollapply，适合百万级行的大数据集。

针对示例数据集的输出 #

运行上述代码后，示例数据的结果如下（以.before=2为例）：

# A tibble: 12 × 3
   id      hr result
   <chr> <int>  <int>
 1 AA2A    31      1
 2 AA2A    31      2
 3 AA2A    31      3
 4 AA2A     0      2
 5 AA2A     0      1
 6 AA2A    50      1
 7 XX7H    50      1
 8 XX7H     0      2
 9 XX7H     0      1
10 XX7H     0      0
11 XX7H     0      0
12 XX7H    84      1

内容的提问来源于stack exchange，提问作者Bettina