R语言查找DataFrame中比当前值低20%的首个后续行对应日期

原有代码的问题排查 #

• 循环范围错误：for(i in length(df))只会遍历最后1行，应改为遍历1到总行数
• 赋值范围错误：每次循环给整列df$conc20赋值，会覆盖之前所有行的计算结果，应仅给第i行赋值
• 匹配范围错误：未限定仅查找当前行之后的样本，会匹配到历史行不符合业务逻辑
• 无异常处理：未考虑后续无符合条件行的场景，会返回错误值

正确实现方案 #

方案1：基础R原生for循环（易理解，无需额外依赖） #

首先需要确保数据按日期升序排列，保证「后续行」的时间逻辑正确：

# 按日期升序排序
df <- df[order(df$date), ]
total_row <- nrow(df)
# 初始化conc20列，类型和date列保持一致
df$conc20 <- as.Date(NA, origin = "1970-01-01")

for (i in 1:total_row) {
  # 仅取当前行之后的样本做匹配
  follow_samples <- df$sample[(i + 1):total_row]
  threshold <- df$sample[i] * 0.8
  # 取第一个符合条件的位置
  first_match_idx <- which(follow_samples < threshold)[1]
  # 匹配成功则写入对应日期
  if (!is.na(first_match_idx)) {
    df$conc20[i] <- df$date[i + first_match_idx]
  }
}

方案2：tidyverse简洁实现（代码更精简） #

依托dplyr和purrr包实现向量化运算：

library(dplyr)
library(purrr)

df <- df %>%
  arrange(date) %>% # 按日期升序排序保证逻辑正确
  mutate(conc20 = map2_chr(sample, row_number(), function(cur_val, cur_rn) {
    threshold <- cur_val * 0.8
    # 筛选当前行之后首个符合阈值要求的日期
    target_date <- date[cur_rn < row_number() & sample < threshold][1]
    as.character(target_date)
  }) %>% as.Date())

效果验证 #

以你提供的示例第一行数据为例：当前sample值为0.008470，阈值为0.008470*0.8=0.006776，后续首个小于该阈值的样本为2020-02-25的0.006738，和你期望的输出结果一致。

内容的提问来源于stack exchange，提问作者Bo_0