如何在R中实现滞后周期内的事件频率统计？

样本数据集 #

需求说明 #

目标是计算滞后周期内的事件频率，规则为连续3个count=1记为1个事件：

• 针对指定的滞后值lag_period，某一天的frequency是指：以该天为终点、长度为lag_period的窗口内，所有满足“连续3个count=1”的连续子序列数量。
• 当天数不足以形成能容纳完整事件的窗口时，frequency记为NA。

示例说明 #

示例1：滞后值=3 #

窗口范围为当前天往前推3天（如第4天对应窗口1-4天，第5天对应窗口2-5天）：

• 第3天：窗口仅包含1-3天，其中连续3个count=1，故frequency=1
• 第4天：窗口1-4天内，包含[1-3]、[2-4]两个连续3个1的子序列，故frequency=2
• 第5天：窗口2-5天内，仅[2-4]是连续3个1的子序列，[3-5]包含0不计入，故frequency=1

预期结果：

示例2：滞后值=4 #

窗口范围为当前天往前推4天（第5天对应窗口1-5天）：

• 第5天：窗口1-5天内，包含[1-3]、[2-4]两个连续3个1的子序列，[3-5]包含0不计入，故frequency=2

预期结果：

R语言实现 #

示例数据 #

data <- data.frame(Day = 1:8, 
                   count = c(rep(1, 4), rep(0, 4)))

实现函数 #

calculate_frequency <- function(df, lag_period, event_length = 3) {
  # 找出所有连续event_length个1的起始位置
  event_starts <- which(zoo::rollapply(df$count, width = event_length, FUN = function(x) all(x == 1)))
  
  # 为每个天数计算frequency
  df$frequency <- sapply(df$Day, function(day) {
    window_start <- day - lag_period + 1
    window_end <- day
    
    # 窗口无法容纳完整事件时返回NA
    if (window_start + event_length - 1 > window_end) {
      return(NA)
    }
    
    # 统计窗口内的有效事件数量
    sum(event_starts >= window_start & (event_starts + event_length - 1) <= window_end)
  })
  
  return(df)
}

# 测试滞后值=3的情况
result_lag3 <- calculate_frequency(data, lag_period = 3)
print(result_lag3[, c("Day", "count", "frequency")])

# 测试滞后值=4的情况
result_lag4 <- calculate_frequency(data, lag_period = 4)
print(result_lag4[, c("Day", "count", "frequency")])

代码说明 #

1. 用zoo::rollapply滑动遍历count列，标记所有连续3个1的起始索引；
2. 对每个天数，确定其对应的窗口范围[day - lag_period + 1, day]；
3. 统计窗口内的有效事件数：要求事件的起始位置在窗口内，且事件的结束位置（起始+2）不超过窗口终点；
4. 当窗口无法容纳完整的3长度序列时，返回NA。

内容的提问来源于stack exchange，提问作者doraemon