使用R语言dplyr包按多条件提取各站点年首个目标日序

现有一个包含两条河流两年日温度时间序列的DataFrame，已标记温度处于峰值上下的状态，且创建了温度≤10℃的游程ID列（run）。需按站点（site_no）和年份（year）分组，获取满足以下条件的首个年日序（doy）：

• 处于峰值前（below_peak == TRUE）且对应run为该组峰值前的最大值；
• 处于峰值后（after_peak == TRUE）且对应run为该组峰值后的最大值。

示例数据获取代码 #

library(ggplot2)
library(lubridate)
library(dplyr)
library(dataRetrieval)

siteNumber <- c("01432805","01388000") # 美国地质调查局站点编号
parameterCd <- "00010" # 温度参数码
statCd <- "00003" # 均值统计码
startDate <- "1996-01-01"
endDate <- "1997-12-31"

dat <- readNWISdv(siteNumber, parameterCd, startDate, endDate, statCd=statCd) # 从USGS获取时间序列数据
dat <- dat[,c(2:4)]
colnames(dat)[3] <- "temperature"

# 可视化时间序列
ggplot(data = dat, aes(x = Date, y = temperature)) +
  geom_point() +
  theme_bw() +
  facet_wrap(~site_no)

预处理代码 #

dat <- dat %>%
  mutate(year = year(Date),
         doy = yday(Date)) %>% # doy = 年日序
  group_by(site_no, year) %>%
  mutate(lt_10 = temperature <= 10,
         peak_doy = doy[which.max(temperature)],
         below_peak = doy < peak_doy,
         after_peak = doy > peak_doy,
         run = data.table::rleid(lt_10))
View(dat)

解决方案代码 #

# 按站点和年份分组，提取目标doy
result <- dat %>%
  group_by(site_no, year) %>%
  # 提取峰值前最大run对应的首个doy
  filter(below_peak, run == max(run[below_peak], na.rm = TRUE)) %>%
  slice_head(n = 1) %>%
  select(site_no, year, doy_below = doy) %>%
  # 合并峰值后最大run对应的首个doy
  left_join(
    dat %>%
      group_by(site_no, year) %>%
      filter(after_peak, run == max(run[after_peak], na.rm = TRUE)) %>%
      slice_head(n = 1) %>%
      select(site_no, year, doy_after = doy),
    by = c("site_no", "year")
  ) %>%
  ungroup()

print(result)

理想输出 #

site_no year doy_below doy_after
1 01388000 1996       111       317
2 01388000 1997       112       312
3 01432805 1996       137       315
4 01432805 1997       130       294

说明：

• doy_below：按site_no、year分组后，满足below_peak == TRUE且run为该组峰值前最大值的首行doy；
• doy_after：按site_no、year分组后，满足after_peak == TRUE且run为该组峰值后最大值的首行doy。

内容的提问来源于stack exchange，提问作者tassones