R语言如何按name分组批量查找数据集暴露峰值

问题原因 #

你之前尝试直接把name传入rleid()没有得到预期结果，核心是rleid()默认对整表按行顺序生成连续段ID，没有在单个个体的维度内独立计算连续暴露段，导致不同个体的暴露段被串连标记。

可行方案 #

只需要在计算连续段ID、聚合峰值时先按name分组，让所有峰值计算逻辑在每个个体的子集内独立执行即可，不需要逐次filter单个个体。

注意：你提供的示例数据构造代码存在类型问题：cbind()拼接字符型name和数值型exposure时，会把exposure强制转为字符型，计算前需要先转回数值型避免报错。

data.table 实现（和你原有代码逻辑完全兼容） #

library(data.table)

# 转换全量数据为data.table格式，修正字段类型
setDT(data_all)
data_all[, exposure := as.numeric(exposure)]

# 按个体分组，组内独立标记连续有效暴露段（暴露值>=1的连续序列）
data_all[, group := rleid(exposure >= 1), by = name]

# 聚合得到所有个体的全量峰值信息
peak_info_all <- data_all[exposure >= 1,
                          .(peak_height = max(exposure),
                            peak_start = min(time_min),
                            peak_end = max(time_min)),
                          by = .(name, group)]

dplyr 实现（如果更习惯管道语法） #

library(dplyr)
library(data.table) # 调用rleid函数做连续段标记

peak_info_all <- data_all %>%
  mutate(exposure = as.numeric(exposure)) %>%
  group_by(name) %>%
  # 按个体分组后再标记连续段，避免跨个体串号
  mutate(group = rleid(exposure >= 1)) %>%
  filter(exposure >= 1) %>%
  group_by(name, group) %>%
  summarise(
    peak_height = max(exposure),
    peak_start = min(time_min),
    peak_end = max(time_min),
    .groups = "drop"
  )

逻辑说明 #

• 分组计算rleid()时，每个个体的连续段ID会独立从1开始计数，不会出现不同个体的暴露段被标记为同一个group的问题
• 最终输出结果会保留name字段，你可以直接拿到所有个体每一段暴露的峰值高度、峰值开始时间、峰值结束时间，和你单独筛选单个个体计算的结果完全一致。

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