R语言中基于滚动时间窗口的可报告条件数据过滤方法问询

假设你的数据集已经按**时间列（比如datetime）**升序排列，且PM_Condition是标记24小时滚动PM均值达标（>指定值）的布尔列，Wind_Condition是标记风向处于目标范围的布尔列（每行对应10分钟时长），可以按以下步骤操作：

1. 加载必要的包 #

确保你装了dplyr和slider（用来处理滚动窗口计算，比基础窗口函数更灵活）：

library(dplyr)
library(slider)

2. 计算滚动24小时内的风向达标累计时长 #

因为每行是10分钟数据，24小时对应144个数据点（24*6）。我们用滚动窗口统计Wind_Condition为TRUE的行数，再转换成小时：

df <- df %>%
  mutate(
    # 滚动24小时内风向达标的累计小时数 = 达标行数 * 10分钟 / 60
    wind_hours = (slide_dbl(Wind_Condition, ~sum(.x), .before = 143, .complete = TRUE) * 10) / 60
  )

• .before = 143：表示当前行往前数143行，加上当前行一共144行（正好覆盖24小时）
• .complete = TRUE：仅当窗口内凑满144行时才计算结果，避免开头不完整窗口的无效数据干扰

3. 生成Reportable Condition列 #

结合PM_Condition（24小时滚动PM均值达标）和wind_hours >=12两个条件，满足则设为1，否则0：

df <- df %>%
  mutate(
    `Reportable Condition` = ifelse(PM_Condition & (wind_hours >= 12), 1, 0)
  )

补充说明 #

• 如果你的PM_Condition还没正确计算24小时滚动均值达标，可以用slider::slide_dbl先完成这一步：

  df <- df %>%
    mutate(
      pm_24h_avg = slide_dbl(pm_column, ~mean(.x), .before = 143, .complete = TRUE),
      PM_Condition = pm_24h_avg > 指定数值
    )
  

• 若不想用slider，也可以用dplyr配合tibbletime包的roll_sum函数实现，但slider的语法更直观易读。

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