R语言数据筛选：按站点年份取最大值及前后日期观测值

我有一个包含450条观测记录的数据集，变量包括date、year、site、number。需求是：

• 先按site和year筛选出number取值最大的观测记录
• 再选取该记录对应日期的前后日期的观测数据

目前已通过dplyr::group_by(site,year) %>% slice_max(n=1, number)完成第一步，后续操作遇到瓶颈，寻求解决方法。

数据集示例代码：

df <- data.frame(
  year = c(rep(2029, 10), rep(2020, 10), rep(2021, 10)),
  date = c(seq(as.Date("2029-01-01"), as.Date("2029-01-10"), by = "day"),
            seq(as.Date("2020-01-01"), as.Date("2020-01-10"), by = "day"),
            seq(as.Date("2021-01-01"), as.Date("2021-01-10"), by = "day")),
  site = rep(c("Site A", "Site B", "Site C"), each = 10, times = 3),
  number = sample(1:100, 30, replace = TRUE))

方法一：连接基准表筛选 #

先提取每个site+year组中number最大的记录，生成包含目标日期前后范围的基准表，再和原数据集连接筛选符合条件的记录：

library(dplyr)

# 生成基准表：每个site+year组的最大number记录，以及目标日期的前后1天范围
max_date_ranges <- df %>%
  group_by(site, year) %>%
  slice_max(n = 1, order_by = number) %>%
  ungroup() %>%
  mutate(date_low = date - 1, date_high = date + 1) %>%
  select(site, year, date_low, date_high)

# 连接原数据并筛选日期范围内的记录
final_data <- df %>%
  inner_join(max_date_ranges, by = c("site", "year")) %>%
  filter(date >= date_low & date <= date_high) %>%
  select(-date_low, -date_high)

方法二：窗口函数直接标记筛选 #

在原数据集上用窗口函数标记出每组的目标日期，直接筛选符合范围的记录，无需额外连接：

library(dplyr)

final_data <- df %>%
  group_by(site, year) %>%
  # 获取当前组中number最大的日期
  mutate(target_date = date[which.max(number)]) %>%
  # 筛选日期在目标日期前后1天内的记录
  filter(date >= target_date - 1 & date <= target_date + 1) %>%
  select(-target_date) %>%
  ungroup()

处理并列最大值的情况 #

如果同一个site+year组里存在多条number同为最大值的记录，只需稍作调整：

• 将slice_max(n=1)改为slice_max(n=Inf)（方法一）
• 将date[which.max(number)]改为date[number == max(number)]，同时调整筛选条件为：

  filter(date %in% (target_date - 1) | date %in% target_date | date %in% (target_date + 1))
  

内容的提问来源于stack exchange，提问作者CMai