r - 如何在R中给定阈值和缓冲时间来过滤时间序列？

Question

我正在尝试在给定阈值的时间序列中过滤两个不同的年份。第一年，我想捕获值(value)何时超过阈值的第一个实例。但是，如果该值连续几年超过该阈值，我想获取该连续值上次出现的日期。其次，在该时间序列内，我想捕获第二个超过阈值的实例。但是，该时间不能在第一个选定值的两年内，如果确实如此，则不使用该值。其外观示例如下:

dat <- data.frame(time = as.Date(c("2001-12-31","2002-12-31","2003-12-31","2004-12-31", 
                                   "2005-12-31","2006-12-31","2007-12-31","2008-12-31")),
                  value = c(-52.1,-52.44,23.5,-64.2,10.7,-15.4,-52.4,231.7))

我想过滤那些值 <= -50 的值，并选择给定条件的两年。预期输出为:

2002-12-31
2007-12-31

我尝试遵循类似的框架，使用切片函数来获取日期(来自另一个问题: Choosing first instance of a value by year in a time series )，但不确定如何遵循不同阈值的标准提取。感谢任何帮助!

Answer 1

我认为这是游程编码的组合(base::rle、dplyr::consecutive_id 或 data.table::之一rleid)和一些更简单的过滤。

您将看到使用 2*365+2 作为鉴别器:用于时间差分的 POSIXt 方法没有 “年份” 作为一个选项，所以我们需要使用天数，并且 2002-2007 年有一个闰年。

dplyr

library(dplyr)
dat %>%
  group_by(grp = consecutive_id(value <= -50)) %>%
  filter(any(value <= -50), row_number() == n()) %>%
  ungroup() %>%
  filter(row_number() == 1L | difftime(time, time[1], units="day") >= (2*365+2))
# # A tibble: 2 × 3
#   time       value   grp
#   <date>     <dbl> <int>
# 1 2002-12-31 -52.4     1
# 2 2007-12-31 -52.4     5

数据表

library(data.table)
as.data.table(dat)[, .SD[any(value <= -50), .(time, value)][.N,], by = .(grp = rleid(value <= -50))
  ][(seq(.N) == 1 | difftime(time, time[1], units="day") >= (2*365+2)),]
#      grp       time  value
#    <int>     <Date>  <num>
# 1:     1 2002-12-31 -52.44
# 2:     5 2007-12-31 -52.40

基础R

(还有一点工作。)

# a home-grown base-R version of `rleid` and `consecutive_id` above
my_rleid <- function(...) {
  r <- rle(do.call(paste, c(list(...), sep = "_")))$lengths
  rep(seq_along(r), times = r)
}
dat |>
  transform(grp = my_rleid(value <= -50)) |>
  subset(ave(value <= -50, grp, FUN = function(z) any(z) & seq_along(z) == length(z))) |>
  subset(seq_along(time) == 1L | difftime(time, time[1], units="day") >= (2*365+2))
#         time  value grp
# 2 2002-12-31 -52.44   1
# 7 2007-12-31 -52.40   5