dplyr中基于当前Year变量的条件判断失效问题求助

示例数据集 #

df <- tibble::tribble(
  ~INSTRUMENT_USED, ~Year, ~UniqueCount,
  "QUEST_A", 2015, 1,
  "QUEST_A", 2016, 1,
  "QUEST_A", 2017, 1,
  "QUEST_A", 2018, 1,
  "QUEST_A", 2019, 1,
  "QUEST_A", 2020, 1,
  "QUEST_A", 2021, 0,
  "QUEST_A", 2022, 0,
  "QUEST_A", 2023, 0,
  "QUEST_B", 2015, 1,
  "QUEST_B", 2016, 1,
  "QUEST_B", 2017, 1,
  "QUEST_B", 2018, 1,
  "QUEST_B", 2019, 0,
  "QUEST_B", 2020, 0,
  "QUEST_B", 2021, 1,
  "QUEST_B", 2022, 0,
  "QUEST_B", 2023, 0
)

需求说明 #

生成dbreak变量，仅当某一行同时满足以下条件时标记为Yes，其余为No：

• 该行之前所有年份的UniqueCount均为1
• 该行之后所有年份的UniqueCount均为0

示例中仅QUEST_A 2021行符合要求。

错误代码问题分析 #

你手动硬编码年份时结果正确，但替换为动态Year变量后失效，核心问题是**mutate中直接使用Year向量进行筛选时，是组内向量的逐元素比较，而非针对当前行的单个年份值**：

看错误代码中的条件：

all(UniqueCount[Year <= Year-1] == 1)

这里的Year是整个分组的年份向量，Year <= Year-1会生成一组逻辑值（比如2015<=2014为FALSE，2016<=2015为FALSE...），完全不是你想要的"当前行年份之前的所有年份"。

而all(UniqueCount[Year > Year] ==0)这个条件永远为TRUE，因为Year > Year对所有元素都是FALSE，空向量的all()默认返回TRUE，导致不符合条件的行被错误标记。

正确实现方案 #

方法1：用累积函数预处理状态（高效简洁） #

df <- df %>%
  group_by(INSTRUMENT_USED) %>%
  arrange(INSTRUMENT_USED, Year) %>%
  mutate(
    # 检查当前行及之前是否从未出现过非1值
    all_prev_one = cumsum(UniqueCount != 1) == 0,
    # 检查当前行及之后是否从未出现过非0值（反向累积）
    all_next_zero = rev(cumsum(rev(UniqueCount) != 0)) == 0,
    # 组合所有条件：当前是0、前一行是1、前后状态都符合
    dbreak = ifelse(UniqueCount == 0 & lag(UniqueCount) == 1 & all_prev_one & all_next_zero, 
                    "Yes", "No")
  ) %>%
  ungroup()

方法2：逐行判断（直观易懂） #

如果更习惯逐行处理逻辑，可以用purrr::pmap：

library(purrr)

df <- df %>%
  group_by(INSTRUMENT_USED) %>%
  arrange(INSTRUMENT_USED, Year) %>%
  mutate(
    dbreak = pmap_chr(list(Year, UniqueCount, lag(UniqueCount)), 
                      function(current_year, current_uc, prev_uc) {
                        # 先排除不满足基础条件的行
                        if (current_uc != 0 || prev_uc != 1) return("No")
                        # 再检查前后所有年份的状态
                        if (all(UniqueCount[Year < current_year] == 1) && all(UniqueCount[Year > current_year] == 0)) {
                          "Yes"
                        } else {
                          "No"
                        }
                      })
  ) %>%
  ungroup()

运行上述任意代码后，QUEST_A 2021的dbreak会被标记为Yes，其余行均为No，符合预期。

内容的提问来源于stack exchange，提问作者Patrick