根据前几天的数据（滞后变量）创建新的数据框列

Question

我正在处理温度数据集，我希望突出显示连续最高温度超过 30C 的天数，并在突出显示热浪的数据框中创建一个新的 TRUE/FALSE 列。 为此，我需要查看前 3 天的数据并验证它们是否都满足此条件，以及当天本身。

我尝试使用 lag 命令为 -1 天、-2 天和 -3 天生成多个新列，然后使用 ifelse 语句验证所有列是否为真。 但这似乎不是一种有效的做事方式，而且我似乎无法让滞后变量回顾过去。 由于多个站点记录每日数据，我还需要单独查看每个气象站以验证给定日期的热浪。

station_id = c(rep(1,10), rep(2,10))
date = c("20190129", "20190130", "20190131", "20190201", "20190202", "20190203", "20190204", "20190205", "20190206", "20190207")
max_temp = c(27, 35, 36, 38, 31, 32, 33, 29, 28, 26, 21, 20, 13, 31, 31, 32, 33, 35, 25, 20)
data = data.frame(station_id, date, max_temp)
print(data)

lag(data$max_temp, 3) #gives the forward lagging but i cant seem to be able to look backwards using negative numbers, perhaps I need to not include the first few columns?

Answer 1

我会使用tidyverse方法。 而不是使用stats::lag() ，您可以使用dplyr::lag() ，这对于您要完成的工作来说更简单：

library(tidyverse)
dfr <- dfr %>%
  group_by(station_id) %>%
  mutate(Heat_Wave = case_when(
    max_temp >= 30 & lag(max_temp, 1) >= 30 & lag(max_temp, 2) >= 30 ~ TRUE, TRUE ~ FALSE
  )) %>%
  ungroup()


print(dfr)
   station_id     date max_temp Heat_Wave
1           1 20190129       27     FALSE
2           1 20190130       35     FALSE
3           1 20190131       36     FALSE
4           1 20190201       38      TRUE
5           1 20190202       31      TRUE
6           1 20190203       32      TRUE
7           1 20190204       33      TRUE
8           1 20190205       29     FALSE
9           1 20190206       28     FALSE
10          1 20190207       26     FALSE
11          2 20190129       21     FALSE
12          2 20190130       20     FALSE
13          2 20190131       13     FALSE
14          2 20190201       31     FALSE
15          2 20190202       31     FALSE
16          2 20190203       32      TRUE
17          2 20190204       33      TRUE
18          2 20190205       35      TRUE
19          2 20190206       25     FALSE
20          2 20190207       20     FALSE

Answer 2

我对乔恩的回答有一个小的更正。 您应该使用 tidyverse 中的group_by(data,station_id)为每个站点 ID 单独运行 function - 否则，结果将在站点之间溢出。 在您的示例中无关紧要，但是如果您的数据具有以下内容：

   station_id     date max_temp
            1 20190204       15
            1 20190205       30
            1 20190206       30
            1 20190207       30
            2 20190129       30

这将是一个问题。 您不希望最后一行返回 TRUE。 所以新的 function 是：

data<-group_by(data,station_id)%>%
    mutate(heatwave=case_when(
max_temp>=30 & lag(max_temp,1)>=30 & lag(max_temp,2)>=30 ~ TRUE, TRUE ~ FALSE))

之后不要忘记ungroup()以避免发生意外的事情！