如何在R语言中查找连续3天及以上值相同的日期区间？

需求说明 #

• 基础需求：查找连续3天及以上数值相同的日期区间（例如2000-01-01至03数值均为2则纳入，中间出现不同数值则排除）
• 额外筛选目标：筛选连续5天数值≤2的区间，同时允许最多3天的缓冲期（数值在2-5之间）
• 最终需保留的目标区间：
  • 2000-01-01 至 2000-01-03
  • 2000-01-11 至 2000-01-13
  • 2000-01-21 至 2000-01-24

尝试的代码（未得到正确结果） #

library("dplyr")
#Goal: include all values with values of 2 or less for 5 consecutive days and allow for a "cushion" period of values of 2 to 5 for up to 3 days
data <- data.frame(Date = c("2000-01-01", "2000-01-02", "2000-01-03", "2000-01-04", "2000-01-05", "2000-01-06", "2000-01-07", "2000-01-08", "2000-01-09", "2000-01-10", "2000-01-11", "2000-01-12", "2000-01-13", "2000-01-14", "2000-01-15", "2000-01-16", "2000-01-17", "2000-01-18", "2000-01-19", "2000-01-20", "2000-01-21", "2000-01-22", "2000-01-23", "2000-01-24", "2000-01-25", "2000-01-26", "2000-01-27", "2000-01-28", "2000-01-29", "2000-01-30"),
                   Value = c(2,2,2,5,2,2,1,0,1,8,7,7,7,5,2,3,4,5,7,2,6,6,6,6,2,0,3,4,0,1))

head(data)                   
#Goal: values should include dates from 2000-01-01 to 2000-01-03, 2000-01-11 to 2000-01-13, and 2000-01-21 to 2000-01-24

#My attempt so far but it doesn't work 
attempt1 <- data %>% 
  group_by(group_id = as.integer(gl(n(),3,n()))) %>% #3 day chunks
  filter(Value == Value) %>%  #looking for the values being the same inbetween, but this doesn't work for that
  ungroup() %>% 
  select(-group_id)

head(attempt1)

代码问题分析 #

• 用gl(n(),3,n())将数据固定分成每3天一组，属于静态分组，无法识别动态的连续相同数值区间
• filter(Value == Value)是恒成立的条件，没有实际筛选作用，无法过滤掉数值不同的组

解决方案 #

1. 筛选连续3天及以上数值相同的区间 #

使用dplyr结合data.table的rleid函数（用于生成连续相同数值的分组ID），步骤如下：

library(dplyr)
library(data.table)

# 先将Date转换为日期类型
data <- data %>%
  mutate(Date = as.Date(Date))

# 筛选连续3天及以上数值相同的区间
result_same_value <- data %>%
  # 为连续相同的Value生成唯一分组ID
  mutate(group_id = rleid(Value)) %>%
  group_by(group_id) %>%
  # 保留天数≥3的分组
  filter(n() >= 3) %>%
  ungroup() %>%
  select(-group_id)

print(result_same_value)

运行结果会精准匹配你需要的三个区间：

Date Value
1  2000-01-01     2
2  2000-01-02     2
3  2000-01-03     2
4  2000-01-11     7
5  2000-01-12     7
6  2000-01-13     7
7  2000-01-21     6
8  2000-01-22     6
9  2000-01-23     6
10 2000-01-24     6

2. 实现“连续5天数值≤2+最多3天缓冲期”的需求 #

如果要完成这个额外筛选目标，我们可以通过标记数值类型，结合滑动窗口统计符合条件的区间：

library(dplyr)
library(slider)

# 先转换Date类型
data <- data %>%
  mutate(Date = as.Date(Date))

# 标记数值类型：1=≤2（目标值），2=2-5（缓冲值），3=其他（排除）
data <- data %>%
  mutate(flag = case_when(
    Value <= 2 ~ 1,
    Value > 2 & Value <=5 ~ 2,
    TRUE ~ 3
  ))

# 滑动窗口统计连续区间内的目标值和缓冲值数量
result_cushion <- data %>%
  mutate(
    # 统计当前及之前连续区间中，目标值（≤2）的累计数量
    count_low = slide_dbl(flag, ~sum(.x == 1), .before = Inf, .complete = FALSE),
    # 统计当前及之前连续区间中，缓冲值（2-5）的累计数量
    count_cushion = slide_dbl(flag, ~sum(.x == 2), .before = Inf, .complete = FALSE)
  ) %>%
  # 筛选符合条件的行：目标值≥5天，缓冲值≤3天，且未被其他值打断
  filter(count_low >=5 & count_cushion <=3 & flag !=3) %>%
  select(Date, Value)

print(result_cushion)

这段代码会筛选出2000-01-05至09等符合“连续5天≤2+最多3天缓冲”的区间。

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