如何计算疫情暴发时长？求峰值后感染趋稳的首日（R语言）

已通过代码out[which.max(out$I), 1]定位到疫情峰值对应的time列日期，现需找到该峰值日之后，感染人数（数据框I列）首次趋稳的日期。尝试用for循环从峰值日遍历至数据框末尾，但现有代码存在问题。

数据框结构示例：

尝试的错误代码：

lengthofoutbreak <- 1000

for (i in out[which.max(out$I), 1]:length(out[out$I]) {
  if (i < lengthofoutbreak) {
    lengthofoutbreak <- out$I
  }
  return(lengthofoutbeak)
}

for (i in out$I) {
  if (out$I < lengthofoutbreak) {
    lengthofoutbreak <- out[out$I, 1]
  }
  return(lengthofoutbeak)
}

原代码存在多个问题：

• 语法错误：第一个for循环缺少闭合括号)
• 逻辑混乱：直接将整个I列赋值给lengthofoutbreak，而非单个值；return语句会直接终止循环，无法完成遍历
• 未定义“趋稳”的判断标准：没有明确感染人数趋稳的条件（比如变化量/变化率低于阈值、连续多天稳定）

首先需要明确趋稳的定义，这里以「连续2天感染人数的变化率低于1%」为例（可根据需求调整阈值和连续天数），实现步骤如下：

1. 定位疫情峰值的行索引和对应日期

# 找到峰值所在的行索引
peak_row <- which.max(out$I)
# 峰值对应的time日期
peak_time <- out$time[peak_row]

2. 定义趋稳的判断标准

stable_change_rate <- 0.01  # 变化率阈值（1%）
consecutive_days <- 2       # 需要连续满足的天数

3. 从峰值后开始遍历，寻找首次趋稳的日期

stable_time <- NA  # 初始化结果变量

# 从峰值行的下一行开始遍历到数据框末尾
for (i in (peak_row + 1):nrow(out)) {
  # 计算当前日与前一日的感染人数变化率
  change_rate <- abs(out$I[i] - out$I[i-1]) / out$I[i-1]
  
  # 当遍历到足够天数后，检查连续n天是否都满足趋稳条件
  if (i >= peak_row + consecutive_days) {
    # 获取最近consecutive_days天的变化率
    recent_rates <- sapply((i - consecutive_days + 1):i, function(x) {
      abs(out$I[x] - out$I[x-1]) / out$I[x-1]
    })
    
    # 如果所有变化率都低于阈值，记录日期并退出循环
    if (all(recent_rates < stable_change_rate)) {
      stable_time <- out$time[i]
      break
    }
  }
}

# 输出结果
cat("峰值后首次趋稳的日期：", stable_time, "\n")

• 先通过which.max(out$I)获取峰值的行索引，比直接取time值更方便后续遍历
• 用变化率判断趋稳比绝对变化量更合理，避免因感染人数基数不同导致误判
• 通过检查连续多天的变化率，确保不是偶然的单日波动，而是真正进入稳定阶段

内容的提问来源于stack exchange，提问作者Hen