R语言计算DF每行中大于等于指定阈值的连续值最大长度

针对百万行量级的数值矩阵/数据框，可通过以下方案实现每行数值>=指定阈值的连续序列最大长度统计，新增为结果列：

核心逻辑 #

• 对每行数值生成布尔判断序列：值 >= 阈值返回TRUE，否则返回FALSE
• 用游程编码函数rle()统计连续相同布尔值的长度
• 筛选出值为TRUE的游程长度，取最大值即为该行的统计结果，无符合条件的序列时返回0

基础R实现代码 #

# 生成10x10示例矩阵
df <- replicate(10, sample(0:5, 10, rep=T))
# 设定阈值
threshold <- 3
# 定义统计函数
max_consecutive <- function(row_vec) {
  rle_res <- rle(row_vec >= threshold)
  true_runs <- rle_res$lengths[rle_res$values]
  ifelse(length(true_runs) == 0, 0, max(true_runs))
}
# 逐行计算，新增为结果列
df <- cbind(df, max_consec = apply(df, 1, max_consecutive))

测试样例行：c(2,4,3,3,4,5,1,0,5,1)代入函数计算得到结果为5，符合预期。

百万行量级优化方案（data.table版） #

基础R的apply在百万行规模下效率较低，用data.table的行遍历可以大幅提升速度：

library(data.table)
# 转成data.table格式
dt <- as.data.table(df)
threshold <- 3
# 逐行计算
dt[, max_consec := {
  rle_res <- rle(unlist(.SD) >= threshold)
  true_runs <- rle_res$lengths[rle_res$values]
  fifelse(length(true_runs) == 0, 0, max(true_runs))
}, by = 1:nrow(dt)]
# 如果需要转回矩阵格式
res_mat <- as.matrix(dt)

内容的提问来源于stack exchange，提问作者david glen