如何在R中按spread_event分组计算连续5小时以上干燥时段

核心思路 #

要实现需求，我们需要：

1. 标记每行的干燥状态（leaf_wetness_duration == 0）
2. 识别连续的干燥/非干燥时段
3. 计算每个干燥时段的持续行数（对应时长）
4. 判断每个spread_event分组内是否存在连续20行及以上的干燥时段（20×15分钟=5小时），并将结果应用到分组内所有行

代码实现（dplyr原生方案） #

适用于dplyr 1.1.0及以上版本（自带consecutive_id函数）：

library(dplyr)

# 先确保数据按时间排序（关键！连续时段判断依赖行顺序）
df <- df %>%
  arrange(spread_event, date) %>%
  group_by(spread_event) %>%
  # 标记当前行是否为干燥状态
  mutate(dry_flag = leaf_wetness_duration == 0,
         # 给连续相同状态的行分配唯一时段ID
         segment_id = consecutive_id(dry_flag)) %>%
  # 计算每个时段的行数
  group_by(spread_event, segment_id, .add = TRUE) %>%
  mutate(segment_length = n()) %>%
  # 回到spread_event分组，判断是否存在达标干燥时段
  group_by(spread_event) %>%
  mutate(dry_period = any(dry_flag & segment_length >= 20)) %>%
  # 清理辅助列（可选）
  select(-dry_flag, -segment_id, -segment_length) %>%
  ungroup()

兼容旧版dplyr的方案（使用data.table） #

如果你的dplyr版本低于1.1.0，可以用data.table的rleid函数实现时段标记：

library(dplyr)
library(data.table)

df <- df %>%
  arrange(spread_event, date) %>%
  group_by(spread_event) %>%
  mutate(dry_flag = leaf_wetness_duration == 0,
         segment_id = rleid(dry_flag)) %>%
  group_by(spread_event, segment_id, .add = TRUE) %>%
  mutate(segment_length = n()) %>%
  group_by(spread_event) %>%
  mutate(dry_period = any(dry_flag & segment_length >= 20)) %>%
  select(-dry_flag, -segment_id, -segment_length) %>%
  ungroup()

关键细节说明 #

• 行顺序必须正确：一定要先按spread_event和date排序，否则连续时段的判断会出错
• 缺失行处理：如果数据存在时间间隔缺失（比如某15分钟的记录没了），需要先补全时间序列，否则连续干燥时段的计算会被中断
• 结果逻辑：只要该spread_event内存在任意一段连续5小时的干燥，整个分组的dry_period都会设为TRUE，否则为FALSE

示例数据验证 #

你提供的示例数据中，连续干燥段只有12行（对应3小时），所以处理后该分组的dry_period会是FALSE，符合预期。

内容的提问来源于stack exchange，提问作者Ahsk