R dataframe基于行关联列值匹配计算洪水事件持续时长技术咨询

完整实现代码 #

library(tidyverse)
library(lubridate)

FloodingDuration <- TempData %>%
  # 按分组筛选整小时观测数据
  group_by(NestID, Nest, Year) %>%
  filter(minute(Datetime) == 0) %>%
  # 计算逐小时温度差，标记洪水事件
  mutate(
    TempDrop = Temp - lag(Temp, n = 1, default = first(Temp)),
    Flooded = TempDrop < -0.45
  ) %>%
  group_by(NestID) %>%
  # 为独立洪水事件分配ID，避免连续Flooded标记被判定为多事件
  mutate(
    flood_event_id = cumsum(Flooded & !lag(Flooded, default = FALSE))
  ) %>%
  # 提取洪水事件上一行的时间、温度作为参考值，同事件内向下填充
  group_by(NestID, flood_event_id) %>%
  mutate(
    From = if_else(flood_event_id > 0, lag(Datetime)[Flooded][1], NA_POSIXct_),
    ref_temp = if_else(flood_event_id > 0, lag(Temp)[Flooded][1], NA_real_)
  ) %>%
  # 筛选存在洪水事件的记录，匹配首个温度回升到参考值以上的时间
  filter(flood_event_id > 0) %>%
  summarise(
    From = first(From),
    To = first(Datetime[Temp >= ref_temp], na_rm = TRUE),
    .groups = "drop"
  ) %>%
  # 计算事件持续时长，单位为天
  mutate(
    Duration = as.numeric(difftime(To, From, units = "days"))
  ) %>%
  # 聚合得到每个NestID的最大洪水时长
  group_by(NestID) %>%
  summarise(
    MaxDuration = max(Duration, na_rm = TRUE),
    .groups = "drop"
  )

关键逻辑说明 #

• 用flood_event_id标记独立洪水事件，避免连续多行Flooded==TRUE被误判为多个独立事件
• 每个事件取首次Flooded==TRUE行的上一行时间作为From，对应温度作为回升参考值
• 每个事件范围内匹配首个温度大于等于参考值的时间作为To
• 若存在温度未回到参考值的异常情况，可按需补充逻辑，比如将To替换为该NestID的最大观测时间

内容的提问来源于stack exchange，提问作者bex