使用dplyr计算具有特定值的连续天数

时间:2019-05-13 14:42:01

标签: r dplyr lubridate

我正在尝试计算冬季严重程度的指数,该指数的组成部分之一要求计算特定日期之前(包括该日期)的连续天数<0摄氏度。例如:

Day 1 = 2 degrees C  
Day 2 = -2 degrees C  
Day 3 = -5 degrees C

因此,我要计算的值(称为tempdays)在第1天等于0;第2天为1;而第3天为2。

下面是显示数据外观的示例:

dat <- tibble(
  date = seq(as.Date('2010-01-01'), as.Date('2010-01-10'), 1),
  temp = c(4.2, 3.35, -0.6, -0.25, 0.8, 0.8, -2.5, -5.25, -0.5, 3.35)
)
dat

 date        temp
   <date>     <dbl>
 1 2010-01-01  4.2 
 2 2010-01-02  3.35
 3 2010-01-03 -0.6 
 4 2010-01-04 -0.25
 5 2010-01-05  0.8 
 6 2010-01-06  0.8 
 7 2010-01-07 -2.5 
 8 2010-01-08 -5.25
 9 2010-01-09 -0.5 
10 2010-01-10  3.35

这是另一个以小于零的温度值开头的数据集,因为这似乎会引起问题:

dat2 <- tibble(
  date = seq(as.Date('2010-01-01'), as.Date('2010-01-10'), 1),
  temp = c(-1.95, -1.1, -2.8, -6.7, 1.4, 4.45, 6.1, 4.7, -1.7, -3.9)
)
dat2

所以dat2应该看起来像这样:

date        temp tempdays
   <date>     <dbl>    <dbl>
 1 2010-01-01 -1.95        1
 2 2010-01-02 -1.1         2
 3 2010-01-03 -2.8         3
 4 2010-01-04 -6.7         4
 5 2010-01-05  1.4         0
 6 2010-01-06  4.45        0
 7 2010-01-07  6.1         0
 8 2010-01-08  4.7         0
 9 2010-01-09 -1.7         1
10 2010-01-10 -3.9         2

我猜可以使用lag()来做到这一点?

2 个答案:

答案 0 :(得分:3)

您可以使用cumsum创建分组变量,然后使用row_number生成温度低于0的连续天数。

library(dplyr)

dat %>%
  group_by(group = cumsum(temp > 0)) %>%
  mutate(tempdays = row_number() - 1) %>%
  ungroup() %>%
  select(-group)


#    date      temp tempdays
#   <date>     <dbl>    <dbl>
# 1 2010-01-01  4.2         0
# 2 2010-01-02  3.35        0
# 3 2010-01-03 -0.6         1
# 4 2010-01-04 -0.25        2
# 5 2010-01-05  0.8         0
# 6 2010-01-06  0.8         0
# 7 2010-01-07 -2.5         1
# 8 2010-01-08 -5.25        2
# 9 2010-01-09 -0.5         3
#10 2010-01-10  3.35        0

并使用ave

的基数R
with(dat, ave(temp, cumsum(temp > 0), FUN = seq_along) - 1)

编辑

如果第一组为负数,则此操作不符合预期。这是使用rledat以及dat2

一起使用的更新版本
dat2 %>%
  mutate(tempdays = with(rle(temp < 0), rep(values, lengths))) %>%
  group_by(group = cumsum(temp > 0)) %>%
  mutate(tempdays = cumsum(tempdays)) %>%
  ungroup() %>%
  select(-group)


#      date    temp   tempdays
#     <date>   <dbl>    <int>
# 1 2010-01-01 -1.95        1
# 2 2010-01-02 -1.1         2
# 3 2010-01-03 -2.8         3
# 4 2010-01-04 -6.7         4
# 5 2010-01-05  1.4         0
# 6 2010-01-06  4.45        0
# 7 2010-01-07  6.1         0
# 8 2010-01-08  4.7         0
# 9 2010-01-09 -1.7         1
#10 2010-01-10 -3.9         2

答案 1 :(得分:1)

我们可以使用S=[A[1],B[2],C[1]]

data.table