基于R语言dplyr按pID分组生成block并统计唯一字母数

首先加载所需工具包：

library(dplyr)
library(stringr)

步骤1：清理数据中的空格干扰 #

原始数据里的pID和condition存在前后空格，会影响分组和条件判断，先统一清理：

df_clean <- df1 %>%
  mutate(
    pID = str_trim(pID),
    condition = str_trim(condition)
  )

步骤2：生成block和Nletters_block列 #

按要求分组计算，用dplyr实现：

result <- df_clean %>%
  # 按pID分组标记block编号
  group_by(pID) %>%
  mutate(block = cumsum(condition == "false")) %>%
  # 按pID+block分组统计唯一字母数量
  group_by(pID, block) %>%
  mutate(
    Nletters_block = str_c(material, collapse = "") %>%
      str_split("") %>%
      unlist() %>%
      unique() %>%
      length()
  ) %>%
  ungroup()

结果说明 #

运行后得到的result数据框完全符合预期：

• block列从每个pID的第一个"false"行开始标记为1，后续每遇到新的"false"行就自动递增编号
• Nletters_block列统计了对应pID+block组合下，所有material字符串包含的唯一字母总数

内容的提问来源于stack exchange，提问作者dede