如何在分组DataFrame中用rle函数计算年度连续降温最长天数

我有如下结构的DataFrame（df）：

df <- data.frame(prox)

数据样例：

year month   day Tmean
  <dbl> <dbl> <dbl> <dbl>
1  1956     1     1 13.5
2  1956     1     2 11.9
3  1956     1     3  9.71
4  1956     1     4  8.65
5  1956     1     5  4.51
6  1956     1     6  4.64
7  1956     1     7  6.66
8  1956     1     8  7.48
9  1956     1     9  5.56
10 1956     1    10  7.51

我需要找出连续降温天数的最大值。针对单一年份，已实现功能，代码如下（运行正常）：

y <- rle(diff(df$Tmean) < 0) 
max(y$lengths[y$values], na.rm=TRUE) 
# [1] 6

但现在需要按年份（1956、1957……）分别计算该值，尝试用group_by时遇到问题：rle返回list类型，且当前代码未正确分组计算：

df %>% group_by(year) %>%   
    summarise(x=list(rle(diff(df$Tmean) < 0)))  

运行结果仅把全局rle结果按年份重复存储，并非分组计算：

year    x  
   <dbl> <list> 
1  1956 <rle>  
2  1957 <rle>
3  1958 <rle> 

你之前的代码核心问题是：group_by后使用df$Tmean会直接调用全局数据，而非当前分组的子集。下面提供两种可行的分组计算方案：

方案1：结合dplyr与rle直接计算 #

直接在分组的summarise块内完成rle分析和最大值提取，无需存储list对象：

library(dplyr)

df %>%
  group_by(year) %>%
  summarise(max_consec_cooling = {
    # 计算当前年份内每日是否比前一天降温
    cool_seq <- diff(Tmean) < 0
    # 对降温序列做游程编码分析
    rle_out <- rle(cool_seq)
    # 提取所有降温段的长度，取最大值（无降温时na.rm=TRUE会返回-Inf，可替换为0）
    max_len <- max(rle_out$lengths[rle_out$values], na.rm = TRUE)
    # 处理全年无降温的情况，将-Inf转为0
    ifelse(is.infinite(max_len), 0, max_len)
  })

方案2：用窗口函数标记连续降温段（无需rle） #

如果不想依赖rle，可以通过窗口函数给连续降温的天数分配分组ID，再统计每组长度的最大值：

library(dplyr)

df %>%
  group_by(year) %>%
  mutate(
    # 判断当天是否比前一天降温（第一天无前置数据，标记为NA）
    is_cooling = Tmean < lag(Tmean),
    # 给连续降温的片段分配唯一ID：每当降温中断（或第一天），分组ID+1
    cool_group = cumsum(!is_cooling | is.na(is_cooling))
  ) %>%
  # 仅保留降温的天数
  filter(is_cooling) %>%
  # 按年份和降温段分组，统计每个段的长度
  group_by(year, cool_group) %>%
  summarise(segment_length = n()) %>%
  # 按年份取最大的降温段长度
  group_by(year) %>%
  summarise(max_consec_cooling = max(segment_length, na.rm = TRUE)) %>%
  # 处理全年无降温的情况，将NA转为0
  mutate(max_consec_cooling = ifelse(is.na(max_consec_cooling), 0, max_consec_cooling))

结果说明 #

两种方案都会返回按年份分组的最大连续降温天数，例如1956年的结果为6，与单年份计算结果一致。

内容的提问来源于stack exchange，提问作者nick