R语言mutate新增列：判断后续自定义行数内是否存在低于阈值的值

需求规则 #

• 数据框包含3个基础列：date为日期列，temp为当天气温列，duration为流程从当日启动后持续的天数
• 新增列取值规则：逐行遍历，以当前行为起点，取连续duration个行（包含当前行）组成窗口，窗口内任意temp值小于0时，当前行新列取值为TRUE，否则为FALSE
• 逻辑校验：示例数据中首行duration为12，覆盖第1到12行，第10行temp为负值，因此首行新列值为TRUE；第3行duration为1，仅覆盖第3行，该行temp大于0，因此取值为FALSE

测试示例数据 #

set.seed(1)
df = data.frame(date = seq(as.Date("2020-01-01"),as.Date("2020-04-09"), by=1),
                    temp = runif(100,min=-2,max=30),
                    duration = sample.int(20,100,replace=TRUE))

# 查看前10行数据
head(df, n=10)

控制台输出前10行：

date        temp duration
1  2020-01-01  6.49627722       12
2  2020-01-02  9.90796479       16
3  2020-01-03 16.33130763        1
4  2020-01-04 27.06264928       13
5  2020-01-05  4.45382179        6
6  2020-01-06 26.74846992       17
7  2020-01-07 28.22960860        9
8  2020-01-08 19.14552936        7
9  2020-01-09 18.13164940       19
10 2020-01-10 -0.02283935       18

正确实现代码 #

purrr::map_lgl 版本 #

注意需要处理窗口边界，避免结束行超出数据框总行数：

library(purrr)
df$has_subzero <- map_lgl(seq_len(nrow(df)), ~{
  end <- min(.x + df$duration[.x] - 1, nrow(df))
  any(df$temp[.x:end] < 0)
})

运行后查看前10行结果，完全符合预期：

date        temp duration has_subzero
1  2020-01-01  6.49627722       12        TRUE
2  2020-01-02  9.90796479       16        TRUE
3  2020-01-03 16.33130763        1       FALSE
4  2020-01-04 27.06264928       13        TRUE
5  2020-01-05  4.45382179        6        TRUE
6  2020-01-06 26.74846992       17        TRUE
7  2020-01-07 28.22960860        9        TRUE
8  2020-01-08 19.14552936        7        TRUE
9  2020-01-09 18.13164940       19        TRUE
10 2020-01-10 -0.02283935       18        TRUE

之前map_lgl运行结果错误，通常是两个原因：一是窗口长度计算错误，比如写成.x:(.x + df$duration[.x])多取了1行；二是没有做边界截断，当窗口结束位置超过数据框总行数时会出现索引越界，返回错误值。

基础R版本（无需加载额外包） #

df$has_subzero <- vapply(seq_len(nrow(df)), function(i) {
  end <- min(i + df$duration[i] - 1, nrow(df))
  any(df$temp[i:end] < 0)
}, logical(1))

内容的提问来源于stack exchange，提问作者StvnWgnr