R语言时间序列中多次提取value=1首次出现对应时间的方法咨询

核心思路 #

基于data.table自带的游程编码函数rleid()识别连续值段，所有过滤、合并操作均基于连续段批量处理，无需逐行遍历，处理效率高且扩展性强。

前置依赖 #

需提前安装加载data.table包，示例数据如下：

library(data.table)
data <- data.table::data.table(
  value = c(0, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 1, 1, 1, 1),
  time  = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21)
)

基础需求实现 #

返回所有连续值为1的段的第一个对应time值，预期输出4 14 18：

# 按连续值分组，提取每个1段的首个time，过滤空值
base_res <- data[, .SD[value == 1, time[1]], by = rleid(value)][!is.na(V1), V1]
print(base_res)
# 输出：4 14 18

进阶需求实现（支持跳过短连续0段） #

封装为可自定义参数的函数，参数skip_zero_max为允许跳过的最大连续0长度，例如设置为2时，连续0长度≤2的段会被视为和前后1段同组，预期输出4 18：

get_first_one_time <- function(dt, skip_zero_max = 0) {
  # 复制数据避免修改原对象
  dt_tmp <- copy(dt)
  # 标记每个连续段的id和段长度
  dt_tmp[, `:=`(
    rid = rleid(value),
    seg_len = .N
  ), by = rid]
  # 替换长度<=阈值的0段为1，合并相邻1段
  dt_tmp[value == 0 & seg_len <= skip_zero_max, value := 1]
  # 重新分组提取1段的首个time
  res <- dt_tmp[, .SD[value == 1, time[1]], by = rleid(value)][!is.na(V1), V1]
  return(res)
}

# 测试效果
print(get_first_one_time(data))
# 输出：4 14 18
print(get_first_one_time(data, skip_zero_max = 2))
# 输出：4 18

内容的提问来源于stack exchange，提问作者Bolle