如何基于历史日期窗口计算均值？（R语言tibble场景）

原始数据 #

首先给出待处理的tibble数据框（已修正原代码中make_date的参数错误）：

library(tibble)
library(lubridate)

df <- tribble(
  ~dt, ~value,
  make_date(2023,08,01),1,
  make_date(2023,08,02),2,
  make_date(2023,08,04),3,
  make_date(2023,08,07),4,
  make_date(2023,08,08),5,
  make_date(2023,08,09),6,
  make_date(2023,08,10),7,
  make_date(2023,08,11),8,
  make_date(2023,08,12),9
)

需求说明 #

为数据框新增avg列，规则如下：

• 对每条记录，计算其dt日期前3天范围内（即区间[dt - 3天, dt - 1天]）的value均值，忽略NA值
• 日期可能存在任意间隔，实际场景需支持按subject_id分组计算
• 窗口大小（如示例中的3天）需支持灵活调整

解决方案 #

使用slider包的滑动窗口函数可高效实现需求，同时支持分组和自定义窗口大小：

1. 加载所需包 #

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

2. 核心代码实现 #

# 定义窗口大小（可按需调整，示例为3天）
window_days <- 3

# 计算滑动均值（需分组则添加group_by(subject_id)）
df_result <- df %>%
  group_by() %>%
  mutate(
    avg = slide_dbl(
      .x = value,
      .i = dt,
      .f = ~mean(.x, na.rm = TRUE),
      .before = window_days - 1,  # 取当前日期前window_days天的范围
      .complete = FALSE           # 窗口无数据时返回NA
    )
  ) %>%
  ungroup()

3. 结果验证 #

运行后得到与目标一致的结果：

df_result
#> # A tibble: 9 × 3
#>   dt         value   avg
#>   <date>     <dbl> <dbl>
#> 1 2023-08-01     1  NA  
#> 2 2023-08-02     2   1  
#> 3 2023-08-04     3   1.5
#> 4 2023-08-07     4   3  
#> 5 2023-08-08     5   4  
#> 6 2023-08-09     6   4.5
#> 7 2023-08-10     7   5  
#> 8 2023-08-11     8   6  
#> 9 2023-08-12     9   7

代码说明 #

• slide_dbl通过.i = dt绑定日期索引，确保日期有间隔时仍能准确匹配时间范围
• .before = window_days - 1精准对应“前N天”的区间要求，调整window_days即可修改窗口大小
• 需按subject_id分组时，只需在group_by()中加入该字段即可

内容的提问来源于stack exchange，提问作者Peter Rabinovitch