在R语言中跨分组生成不重置序列的发言轮次列

需求说明 #

需要为以下示例DataFrame生成turn列，规则为：同一发言者的连续多行语句算作同一轮次；当该发言者非连续地再次发言时，轮次递增。

示例数据集：

df <- data.frame(
  line = c(1:9),
  speaker = c("nick", "nick", "nick", "bob", "nick", "ann", "ann", "nick", "bob"),
  sentence = c("hi", "how are you?", "what's up?", "i'm good", "me too", "hi guys", "any plans for the weekend", "no", "ya, the movies"),
  turn = c(1, 1, 1, 2, 3, 4, 4, 5, 6))

现有尝试的问题 #

• 方法1：group_by(speaker) %>% mutate(turn2 = cur_group_id())
  该方法按发言者名称分配固定组ID，同一发言者无论何时发言都对应同一个编号，无法满足"非连续发言时轮次递增"的要求。
• 方法2：seq_along(speaker)
  单纯按行号生成序列，会把同一发言者的连续行拆分为不同轮次，不符合需求。

正确解决方案 #

使用dplyr实现

通过判断当前行与上一行的发言者是否变化，生成新轮次标记后累加，得到正确的轮次编号：

library(dplyr)

df <- df %>%
  # 标记新轮次：第一行默认是新轮次，后续行若发言者与上一行不同则标记为1
  mutate(new_turn = case_when(
    row_number() == 1 ~ 1,
    speaker != lag(speaker) ~ 1,
    TRUE ~ 0
  )) %>%
  # 累加标记得到最终轮次
  mutate(turn_correct = cumsum(new_turn)) %>%
  # 移除中间辅助列（可选）
  select(-new_turn)

使用base R实现

如果不想依赖dplyr，也可以用base R完成：

# 生成新轮次标记
df$new_turn <- c(1, as.integer(df$speaker[-1] != df$speaker[-nrow(df)]))
# 累加得到轮次编号
df$turn_correct <- cumsum(df$new_turn)
# 删除辅助列
df$new_turn <- NULL

验证结果 #

执行上述代码后，turn_correct列将与示例中的turn列完全一致，满足轮次标识需求。

内容的提问来源于stack exchange，提问作者user10240216