如何在R数据框中为相同值分组块标注，且不使用for循环

我有一批绘图数据，按group变量拆分为多个块，需要区分同一group的不同批次（如第一批A和第二批A），为每个批次分配唯一标识plot_group：遍历group向量时，每次切换group就将plot_group加1。

已用for循环实现需求，但希望改用向量化函数优化，尝试sapply时因无法实时引用未完成的plot_group向量报错（Error in FUN(X[[i]], ...) : object 'plot_group' not found）。

原始数据示例：

group <- c(rep(c(rep('A', 2), rep('B', 4), rep('C', 3)),2))

预期输出：每个连续相同的group块对应递增的plot_group值，重复出现的group块（如第二批A）会获得新的标识。

方法1：基础R的cumsum + 差异判断 #

这是最简洁的向量化实现，无需额外包：

group <- c(rep(c(rep('A', 2), rep('B', 4), rep('C', 3)),2))

# 生成切换标记并累加
plot_group <- cumsum(c(TRUE, group[-1] != group[-length(group)]))

# 验证结果
tibble::tibble(group = group, plot_group = plot_group)

原理：

• group[-1] != group[-length(group)]：生成从第2个元素开始，每个元素与前一个元素是否不同的逻辑向量（TRUE表示切换了group）
• 在向量开头补TRUE（对应第一个元素的初始标记）
• cumsum()累加逻辑值（TRUE=1，FALSE=0），自动实现每次切换group时plot_group加1

方法2：dplyr数据框操作 #

如果使用tidyverse生态，可直接在数据框中完成计算：

library(dplyr)

tibble(group = group) %>%
  mutate(
    plot_group = cumsum(row_number() == 1 | group != lag(group))
  )

原理：

• row_number() == 1：标记第一个元素为初始点
• group != lag(group)：判断当前元素与前一个是否不同
• 两个条件用|合并后，cumsum()累加得到唯一批次标识

sapply是对每个元素独立调用函数，在函数内部无法访问正在生成的plot_group向量（因为该向量还未完全创建）。而上述向量化方法通过整体计算差异再累加，不需要依赖临时存储的中间结果，完全符合R的向量化编程逻辑。

内容的提问来源于stack exchange，提问作者C. Murtaugh