如何用dplyr筛选每年温度局部最小值后的天数？

示例数据集 #

原始数据集通过tribble创建：

tribble(
  ~year,  ~day,  ~temp,
  2020,   90,    4,
  2020,   91,    3,
  2020,   92,    0,
  2020,   93,    2,
  2020,   94,    5,
  2021,   90,    2,
  2021,   91,    0,
  2021,   92,    2,
  2021,   93,    4,
  2021,   94,    6
)

需求说明 #

按年份分组，找到每组中温度局部最小值（示例中为0）所在的行，剔除该行之前的所有数据，仅保留该行之后的记录，最终得到结果：

year   day  temp
   <dbl> <dbl> <dbl>
 1  2020    93     2
 2  2020    94     5
 3  2021    92     2
 4  2021    93     4
 5  2021    94     6

解决方案（dplyr实现） #

针对全局最小值场景 #

如果需求中的"局部最小值"是指该年份的温度全局最小值，直接用以下代码即可：

library(dplyr)

df %>%
  group_by(year) %>%
  filter(row_number() > which(temp == min(temp))[1]) %>%
  ungroup()

代码说明

• group_by(year)：按年份分组，保证每个年份的数据独立处理
• row_number() > which(temp == min(temp))[1]：
  1. min(temp)获取当前年份的温度最小值
  2. which(temp == min(temp))定位所有等于最小值的行位置，[1]取第一个出现的最小值位置（若有多个最小值，仅以第一个为分界点）
  3. 筛选行号大于该位置的记录，即保留最小值所在行之后的所有数据
• ungroup()：取消分组，恢复普通数据框格式

针对真正局部极小值场景 #

如果"局部最小值"是指比前后两天温度都低的点，可通过lead()和lag()判断：

df %>%
  group_by(year) %>%
  mutate(is_local_min = temp < lag(temp, default = Inf) & temp < lead(temp, default = Inf)) %>%
  filter(row_number() > which(is_local_min)[1]) %>%
  select(-is_local_min) %>%
  ungroup()

代码说明

• mutate(is_local_min = ...)：标记出真正的局部极小值（比前一天和后一天温度都低）
• 后续逻辑和全局最小值场景一致，以第一个局部极小值为分界点筛选数据

内容的提问来源于stack exchange，提问作者UlvHare