如何用R语言dplyr包计算连续假期及HL_UP、HL_DOWN列

一、需求背景 #

我们需要基于仅含IS_HOLIDAY变量的数据集，用dplyr计算两个列：

• HL_UP：包含补假后的连续假期总天数（连续假期定义：两个假期之间的非假期日视为假期）
• HL_DOWN：原始假期天数

用户已编写生成补假列HL的代码，并尝试通过分组计算目标列，但对分组逻辑中的关键代码存疑，同时需要验证整体实现是否正确。

二、关键代码解释：with(rle(HL), rep(seq_along(lengths), lengths)) #

这段代码的核心作用是为每一行分配所属的连续值组号，方便后续按连续的假期/非假期段分组计算总和，拆解如下：

1. rle(HL)：对HL列执行游程编码（Run Length Encoding），返回一个包含两个元素的列表：
   • values：HL列中连续出现的唯一值（比如连续的1或0）
   • lengths：每个唯一值连续出现的次数
2. seq_along(lengths)：为每个连续段生成序号（比如第1个连续段是1，第2个是2，以此类推）
3. rep(seq_along(lengths), lengths)：将每个序号重复对应段的长度次数，最终得到与原数据行数一致的组号向量，每个连续相同值的行都会被分到同一个组
4. with(...)：简化代码，直接在rle(HL)返回的列表环境中操作，无需反复写rle(HL)$

举个例子：若HL为[1,1,0,0,1]，rle(HL)的lengths是[2,2,1]，seq_along(lengths)生成[1,2,3]，rep后得到[1,1,2,2,3]，这样连续的行就被分到了同一组。

三、整体实现逻辑验证 #

1. 补假列HL生成的问题 #

用户当前生成HL的代码：

data_temp2<-data_temp %>% mutate(
  HL=if_else( IS_HOLIDAY == 0 & lag(IS_HOLIDAY,1)==1 & lead(IS_HOLIDAY,1)==1,1,IS_HOLIDAY))

这段代码仅能将单个非假期日（前后都是假期）标记为补假，若两个假期之间存在连续多个非假期日，则无法正确标记（比如IS_HOLIDAY为1,0,0,1时，中间的两个0都不会被转为1），不符合连续假期的定义。

2. 分组计算部分的正确性 #

用户后续分组计算HL_UP和HL_DOWN的逻辑是正确的：

• 按HL的连续段分组后，sum(HL)得到该连续假期段的总天数（含补假），即HL_UP
• sum(IS_HOLIDAY)得到该段内的原始假期天数，即HL_DOWN

3. 修正后的HL列生成代码 #

要正确标记所有两个假期之间的非假期日，可通过游程编码实现：

# 对原始假期列执行游程编码
rle_holiday <- rle(data_temp$IS_HOLIDAY)
# 定位前后均为假期的非假期连续段
middle_non_holiday <- which(
  rle_holiday$values == 0 & 
  dplyr::lag(rle_holiday$values, default = 0) == 1 & 
  dplyr::lead(rle_holiday$values, default = 0) == 1
)
# 将这些段标记为假期
rle_holiday$values[middle_non_holiday] <- 1
# 生成修正后的HL列
data_temp2 <- data_temp %>% 
  mutate(HL = inverse.rle(rle_holiday))

修正后再执行用户的分组计算代码，就能得到正确的HL_UP和HL_DOWN列。

内容的提问来源于stack exchange，提问作者Masoud