R语言dplyr：分组内间隔重复项的重复次数统计问题

我有一个分组数据集，同一组内的ID可能在多个位置重复出现。我需要统计每个组内各ID的总重复次数，后续用于筛选操作。以下是示例数据集：

structure(list(Group = c(1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 3, 3, 
3), ID = c("non repeating", "repeating", "repeating", "repeating", 
"repeating", "non repeating", "repeating", "repeating", "non repeating", 
"repeating", "repeating", "repeating", "non repeating")), class = c("tbl_df", 
"tbl", "data.frame"), row.names = c(NA, -13L))

我期望得到每个组内重复ID对应其重复次数、非重复ID次数为0的输出。我尝试了以下代码：

ex <- 
  ex_data %>%
  group_by(Group) %>%
  mutate(
    Value = case_when(
      ID == lag(ID) ~ 
        1,
      TRUE ~ 0
    )
  ) %>%
  mutate(
    Value = case_when(
      ID == lead(ID) ~ 
        1,
      TRUE ~ Value
    )
  ) %>%
  group_by(ID, .add = T) %>%
  mutate(count = sum(Value))

但结果不符合预期，数值是跨组求和而非按组和ID分别求和，请问我哪里出错了？

你的代码问题出在两次分组叠加后，求和逻辑没有精准限定在「组+ID」的组合内，而且用lag和lead标记重复的方式本身存在冗余——连续重复的ID会被多次标记，导致统计结果偏差。

更简洁准确的做法是直接按Group和ID组合分组，先统计每个ID在组内的出现次数，再推导重复次数：

• 重复次数 = 出现次数 - 1（出现次数>1时），非重复ID直接设为0

具体代码如下：

ex <- ex_data %>%
  group_by(Group, ID) %>%
  mutate(
    # 统计组内当前ID的总出现次数
    total = n(),
    # 计算重复次数：非重复ID次数为0，重复ID为出现次数减1
    count = ifelse(total > 1, total - 1, 0)
  ) %>%
  ungroup() # 按需取消分组

如果要保留你原本的标记思路修复问题，需要调整分组顺序，确保求和范围严格限定在「组+ID」内：

ex <- ex_data %>%
  group_by(Group, ID) %>%
  mutate(
    # 同一组同ID内，标记当前行是否与前后行重复
    Value = case_when(
      ID == lag(ID) | ID == lead(ID) ~ 1,
      TRUE ~ 0
    ),
    # 在组+ID的分组内求和，同时忽略lead/lag产生的NA值
    count = sum(Value, na.rm = TRUE)
  ) %>%
  ungroup()

不过这种方法代码更繁琐，效率也不如直接统计出现次数的方案。

内容的提问来源于stack exchange，提问作者r_user