如何修改dplyr代码实现dataframe连续数值行的子集化与分组？

原数据与需求 #

给定如下DataFrame：

df <- data.frame(num = c(1, 2, 4, 5, 7, 9, 10), value = c('a', 'b', 'c', 'd', 'e', 'f', 'g'))

需要提取所有属于连续无中断数字序列的行，即保留像1-2、4-5、9-10这类长度≥2的连续组，排除单独的7，预期输出：

num value
1     1     a
2     2     b
3     4     c
4     5     d
5     9     f
6    10     g

原代码的问题 #

你尝试用差值过滤的代码逻辑有误，导致连续组的起始行（如4、9）被排除：

df_subset = df %>% 
  mutate(difference = num - lag(num, default = first(num))) %>%
  filter(difference ==1 | row_number() ==1)

错误输出：

num value
1     1     a
2     2     b
3     5     d
4    10     g

原因是连续组的起始行和前一行的差值不等于1，被filter条件排除，但这些行本身是连续组的一部分，不能被过滤。

正确解决方案 #

核心思路是先给每个连续序列打上唯一分组标识，再过滤掉仅含单个元素的分组：

library(dplyr)

df_subset <- df %>%
  # 生成分组标识：连续递增1的序列，num与行号的差值固定
  mutate(group_id = num - row_number()) %>%
  # 按分组标识聚合，只保留组内元素数量≥2的组
  group_by(group_id) %>%
  filter(n() >= 2) %>%
  # 取消分组并移除辅助列
  ungroup() %>%
  select(-group_id)

print(df_subset)

逻辑说明 #

• num - row_number()：对于连续递增1的序列，每一行的num比前一行大1，行号也同步+1，因此这个差值会保持恒定；而单独的数字（如7），其差值和前后组都不同，会形成独立分组。
• 通过filter(n() >= 2)筛选出包含至少2个元素的分组，就能得到所有连续序列的完整行。

内容的提问来源于stack exchange，提问作者Arun