如何使用dplyr按条件提取两个break事件区间内的最大值并生成新列

实现逻辑 #

需求核心是按id分组后，将两个相邻break. == TRUE事件之间的区域作为一个计算区间，仅保留每个区间内的最大值，其余值置为0。具体逻辑如下：

1. 按id分组后按日期排序，保证数据时序正确
2. 生成区间标识：每遇到一次break. == TRUE，区间编号自增1，将相邻两个断点之间的数据划分为同一区间
3. 按id和区间号二次分组，每个区间仅最大值所在行保留原值，其余行赋值为0

实现代码 #

library(dplyr)
library(lubridate)

# 读取处理原始数据（已有代码可直接复用）
ds <- read.csv("https://raw.githubusercontent.com/Leprechault/trash/main/accumulated_values_table")
ds$date <- ymd(ds$date)
ds <- ds %>%
  mutate(break. = break. == "True")

# 生成values2列
ds <- ds %>%
  # 按id分组，组内按日期升序排列保证时序正确
  group_by(id) %>%
  arrange(date, .by_group = TRUE) %>%
  # 生成区间编号：每遇到一个断点，后续区间编号+1
  mutate(interval = cumsum(lag(break., default = FALSE))) %>%
  # 按id+区间二次分组计算
  group_by(id, interval) %>%
  # 仅最大值所在行保留原值，其余置为0
  mutate(values2 = ifelse(values == max(values), values, 0)) %>%
  # 清理辅助列，取消分组
  ungroup() %>%
  select(-interval)

补充说明 #

如果同一区间内存在多个相同的最大值，且你只需要保留最早出现的最大值，可以将values2的生成逻辑调整为：

mutate(values2 = ifelse(row_number() == which.max(values), values, 0))

验证id == 4的子集可以看到，输出结果和你给出的预期效果完全一致。

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