如何计算 R 中不同时间序列长度的最大值和最小值之间的差异？

Question

我有一个时间序列的水深测量值（间隔 15 分钟），我想计算每个潮汐周期的潮汐高度。 潮汐高度是退潮的最大深度和最小深度之间的绝对差（反之亦然，对于进潮，因此是绝对差）。 更复杂的是，并非我所有的站点在高潮和低潮之间都有 6 小时的变化； 有些人多，有些人少。 我想有一种方法来计算在连续高点和低点之间的时间长度上变化的最大值和最小值之间的绝对差。

只是一些随机数据：

dat <- data.frame(matrix(vector(),20,2,
                         dimnames=list(c(), c("Time", "Depth"))),
                  stringsAsFactors = F)
dat[,1] <- seq(from = 1, to = 20, by = 1)
dat[1:5,2] <- seq(from = 0.5, to = 2.5, by = 0.5)
dat[6:13,2] <- seq(from = 2.6, to = 0.4, by = -0.28)
dat[14:20,2] <- seq(from = 0.4, to = 2.8, by = 0.4)

output 应该有以下结果：

    Tide TidalHeight
1   1    2.1
2   2    2.2
3   3    2.4

潮 1 将是 0.5 的低点和 2.6 的高点之间的绝对差，潮 2 将是 2.6 的高点和 0.4 的低点之间的绝对差，潮 3 将是 0.4 的低点和 0.4 的高点之间的绝对差2.8. 连续高潮和低潮之间的时间长度不同，在上面的示例中，有 6、8 和 6 个时间步长，但在实际数据中，这可以是任意数量的时间步长。

我想知道如何自动计算潮汐之间时间长度不同的高潮和低潮之间的绝对差。

Answer 1

如果您假设在涨潮和退潮期间水深都是单调的，那么 @Onyamu 的评论虽然严格正确，但可以忽略。

诀窍是使用rle计算每次潮汐持续的观察次数。

library(tibble)

dat <- dat %>% 
         mutate(Direction=ifelse(Depth > lag(Depth), "Rising", "Falling"))
dat$Direction[1] <- dat$Direction[2]  # Handle the first observation.

tides <- rle(dat$Direction)
dat <- dat %>% 
         add_column(Tide=unlist(lapply(1:length(tides$length), function(x) rep(x, tides$length[x]))))
dat %>% 
  group_by(Tide) %>% 
  summarise(
    HighTide=max(Depth), 
    LowTide=min(Depth), 
    .groups="drop"
  ) %>% 
  mutate(
    TideHeight=ifelse(
                 Tide == 1, 
                 HighTide - LowTide,
                 ifelse(
                   Tide == nrow(.), 
                   HighTide - lag(LowTide), 
                   lag(HighTide) - LowTide
                 )
               )
  )
dat
# A tibble: 3 x 4
   Tide HighTide LowTide TideHeight
  <int>    <dbl>   <dbl>      <dbl>
1     1     2.6      0.5        2.1
2     2     2.32     0.4        2.2
3     3     2.8      0.8        2.4

Answer 2

你也可以这样做：

library(tidyverse)
dat$grp <- with(rle(sign(c(diff(dat$Depth),0))), rep(seq_along(values),lengths))
abs(diff(subset(dat, ave(grp,grp,FUN = seq_along)==1)$Depth))
[1] 2.1 2.2 2.4