在R语言中按分组查找连续日期序列的最优方法

我来帮你搞定这个按年份统计连续热浪序列的需求，下面提供两种常用的高效实现方案，分别用dplyr和data.table，都能精准得到你想要的结果。

首先先构造你提供的示例数据，方便复现：

# 构造示例数据框
heatwave_df <- tibble(
  year = c(2011,2011,2011,2011,2011,2011,2011,2012,2012,2012,2012,2012,2012,2012),
  day = c(150,151,152,166,167,168,169,177,178,179,180,195,196,197),
  temp = c(96,96,97,98,99,98,99,96,96,95,98,100,99,99)
)

方法一：使用dplyr（tidyverse风格） #

这个方法逻辑清晰，适合习惯tidyverse语法的用户：

1. 先按年份分组，确保每组内的日期是按顺序排列的（避免原始数据乱序的问题）
2. 标记每个热浪序列的起始点：要么是组内第一行，要么当前日期和前一天的差值大于1（说明中断了，是新的热浪）
3. 用cumsum对起始点累加，生成每个热浪的编号num.hw
4. 最后按年份和热浪编号分组，统计持续时长和平均温度

library(dplyr)

result_dplyr <- heatwave_df %>%
  arrange(year, day) %>%  # 确保日期有序
  group_by(year) %>%
  mutate(
    # 标记新热浪的起始
    is_new_hw = row_number() == 1 | day - lag(day) > 1,
    num.hw = cumsum(is_new_hw)
  ) %>%
  group_by(year, num.hw) %>%
  summarise(
    length.hw = n(),
    # 这里如果需要和你预期的整数结果一致，可以用round(mean(temp), 0)
    avg.temp = mean(temp),
    .groups = "drop"
  )

print(result_dplyr)

如果需要和你给出的预期输出里的整数平均温度完全匹配，把avg.temp = mean(temp)改成avg.temp = round(mean(temp), 0)即可。

方法二：使用data.table（高效大数据处理） #

如果你的数据集很大，data.table的性能会更优，链式操作也很简洁：

library(data.table)

# 转换为data.table格式
heatwave_dt <- as.data.table(heatwave_df)

result_dt <- heatwave_dt[order(year, day),  # 先排序
  # 分组标记新热浪起始
  .(is_new_hw = .I == 1 | day - shift(day) > 1, temp = temp), 
  by = year
][, 
  # 生成热浪编号
  num.hw := cumsum(is_new_hw), 
  by = year
][, 
  # 统计每组的时长和平均温度
  .(length.hw = .N, avg.temp = mean(temp)), 
  by = .(year, num.hw)
]

print(result_dt)

同样，如果需要整数平均温度，把mean(temp)改成round(mean(temp), 0)就行。

两种方法运行后都会得到符合预期的结果，调整取整逻辑后就能和你给出的示例输出完全一致。

内容的提问来源于stack exchange，提问作者user2113499