如何在R语言中统计连续n天超出阈值x的事件次数

要解决统计每年内连续至少N天（比如30天）数值超出特定阈值的事件次数问题，核心是先识别连续的超出区间，再统计符合长度要求的区间数量。以下是具体实现方案：

完整解决方案代码 #

library(tidyverse)
library(lubridate)
library(data.table) # 用rleid快速识别连续区间

# 生成示例数据（设随机种子保证结果可复现）
set.seed(123)
value = sample(0:25, 1461, replace=T)
date = seq(as.Date("2018-01-01"), as.Date("2021-12-31"), by = "1 day")

dat = data.frame(date = date,
                 year = year(date),
                 value = value)

# 核心统计逻辑
result <- dat %>%
  # 1. 标记当天数值是否超出阈值
  mutate(exceed = ifelse(value >= 10, 1, 0)) %>%
  # 2. 为连续的超出/未超出区间分配唯一分组ID
  mutate(group_id = rleid(exceed)) %>%
  # 3. 按年和分组ID聚合，计算每个连续段的天数
  group_by(year, group_id, exceed) %>%
  summarize(days_in_group = n(), .groups = "drop") %>%
  # 4. 筛选出超出阈值且连续天数≥30的区间
  filter(exceed == 1 & days_in_group >= 30) %>%
  # 5. 按年统计符合条件的事件数量
  group_by(year) %>%
  summarize(n_exceedances_30_consec = n(), .groups = "drop")

# 查看结果
result

代码分步解释 #

1. 标记超出状态：新增exceed列，用1/0标记当天数值是否≥10，为后续识别连续区间做准备。
2. 识别连续区间：data.table包的rleid()函数会为连续相同的exceed值分配唯一ID，每个连续的超出/未超出段都会有独立的分组ID。如果不想依赖data.table，可以用dplyr原生方法替代：

   mutate(group_id = cumsum(exceed != lag(exceed, default = 0)))
   

3. 计算连续段长度：按年份和分组ID聚合，统计每个连续段的天数。
4. 筛选目标区间：只保留超出阈值且连续天数≥30的区间，排除短于30天的零散超出。
5. 统计事件数：按年份统计符合条件的区间数量，连续40天这类长区间只会被计为1次事件，完全匹配需求。

示例输出（基于set.seed(123)的随机数据） #

# A tibble: 4 x 2
   year n_exceedances_30_consec
  <dbl>                   <int>
1  2018                       0
2  2019                       1
3  2020                       0
4  2021                       0

关键注意事项 #

• 如果原始数据存在日期缺失，需要先补全日期（比如用complete(date = seq(min(date), max(date), by="day"))），否则会误判非连续的日期为连续区间。

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