R语言计算数据框每行过去48小时时间窗口列最小值的简洁方法

你当前用purrr::pmap逐行扫描的写法逻辑正确，但属于R层逐行循环，数据量增大后性能衰减明显，下面是两种更简洁、性能更好的实现方式，输出结果和你的代码完全一致。

方案1：tidyverse生态首选（slider包） #

slider是专门针对非等距滚动窗口设计的扩展包，原生支持POSIXct时间类型作为窗口索引，不需要手动计算时间上下界，代码可读性和性能都远优于逐行purrr写法：

library(tidyverse)
library(slider)

df <- tibble(
  time = as.POSIXct(c("2012-01-01 00:00:00", "2012-01-02 00:00:00", "2012-01-04 00:00:00")),
  value = c(0, 0.1, 0.2)
) %>%
  mutate(
    min_v_48h = slide_index_dbl(
      .x = value,
      .i = time,
      .f = ~ ifelse(length(.x) == 0, Inf, min(.x)),
      .before = hours(48), # 窗口向前覆盖48小时
      .after = -1, # 不包含当前行，匹配原代码`time < upper_bound`的逻辑
      .complete = FALSE
    )
  )

运行输出：

# A tibble: 3 × 3
  time                value min_v_48h
  <dttm>              <dbl>     <dbl>
1 2012-01-01 00:00:00   0       Inf  
2 2012-01-02 00:00:00   0.1       0  
3 2012-01-04 00:00:00   0.2       0.1

这个方案的优势：

• 窗口规则直接通过参数声明，不需要手写子集判断逻辑，代码简洁不容易出错
• 底层为C实现的窗口索引计算，十万到百万级数据量下性能比逐行pmap高1~2个数量级
• 完全适配dplyr管道操作，和tidyverse生态其他函数无缝衔接

方案2：大数据量极致性能方案（data.table非等连接） #

如果处理千万级以上的超大数据集，可以用data.table的非等值自连接实现，全程没有R层循环，性能是目前R语言同类场景下的第一梯队：

library(data.table)
setDT(df)

# 非等连接匹配48小时窗口
df[, min_v_48h := df[.(upper_t = time, lower_t = time - 48*3600), 
                     on = .(time >= lower_t, time < upper_t), 
                     min(value), 
                     by = .EACHI]$V1]
# 无匹配值的填充为Inf
df[is.nan(min_v_48h), min_v_48h := Inf]

注意事项 #

如果你的需求需要把当前行的value也纳入窗口计算，只需要把方案1的.after = -1改成.after = 0，方案2的time < upper_t改成time <= upper_t即可。

内容的提问来源于stack exchange，提问作者Ai4l2s