如何在R中为分组数据按指定行分配整数序列？

给定包含二元变量x的数据集：

df <- data.frame(id = c("a", "a", "a", "a", "b", "b", "b", "b"),
                 year = c("2001", "2002", "2003", "2004", "2001", "2002", "2003", "2004"),
                 x = c(0, 0, 1, 0, 0, 1, 1, 0))

数据集内容：

id year x
  a 2001 0
  a 2002 0
  a 2003 1
  a 2004 0
  b 2001 0
  b 2002 1
  b 2003 1
  b 2004 0

需要创建变量y，规则为：每个id分组中第一个x = 1的行y = 0，该行之前的行依次为递减负整数，之后的行依次为递增正整数，期望输出如下：

id year x  y
  a 2001 0 -2
  a 2002 0 -1
  a 2003 1  0
  a 2004 0  1
  b 2001 0 -1
  b 2002 1  0
  b 2003 1  1
  b 2004 0  2

方法1：使用dplyr包（推荐，简洁易读） #

借助dplyr的分组功能，先定位每组第一个x=1的行位置，再通过行索引计算y值：

library(dplyr)

df_result <- df %>%
  group_by(id) %>%
  mutate(
    # 获取每组第一个x=1的行的索引
    first_one_pos = which(x == 1)[1],
    # 当前行索引减去目标位置，得到y
    y = row_number() - first_one_pos
  ) %>%
  select(-first_one_pos) %>% # 移除临时变量
  ungroup()

# 输出结果
print(df_result)

方法2：使用Base R #

通过拆分数据集、分组处理再合并的方式实现：

# 按id拆分数据集
df_groups <- split(df, df$id)

# 对每个分组计算y
df_processed <- lapply(df_groups, function(group) {
  first_one_pos <- which(group$x == 1)[1]
  group$y <- seq_len(nrow(group)) - first_one_pos
  return(group)
})

# 合并分组结果并重置行名
df_result <- do.call(rbind, df_processed)
rownames(df_result) <- NULL

# 输出结果
print(df_result)

两种方法均可得到符合要求的输出，其中dplyr方案更适合日常数据处理的流水线操作。

内容的提问来源于stack exchange，提问作者aerw4