R语言数据处理：如何删除连续日期结束后的行？

针对你需要移除每个人连续日期结束后所有行的需求，这里提供两种高效实现方式，无需复杂的for循环：

使用dplyr（tidyverse风格） #

library(dplyr)

df <- data.frame(person = c('A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'),
                 day = c(1, 2, 4, 6, 7, 10, 11, 12))

result <- df %>%
  group_by(person) %>%
  # 计算相邻日期差值，首行默认连续（差值设为1）
  mutate(diff_day = c(1, diff(day))) %>%
  # 标记连续段：日期断开时开启新段，初始段编号为0
  mutate(segment = cumsum(diff_day != 1)) %>%
  # 仅保留初始连续段
  filter(segment == 0) %>%
  # 清理辅助列
  select(-diff_day, -segment) %>%
  ungroup()

print(result)

运行输出：

# A tibble: 4 × 2
  person   day
  <chr>  <dbl>
1 A          1
2 A          2
3 B          6
4 B          7

关键步骤解释： #

• group_by(person)：按个体分组处理，确保每个用户的日期逻辑独立计算
• diff(day)：计算当前日期与前一日的差值，首行无前置日期，手动设为1（默认属于连续段）
• cumsum(diff_day != 1)：当差值≠1时，说明日期断开，累加计数生成不同的连续段编号，初始连续段编号始终为0
• filter(segment == 0)：筛选出每个用户的第一个连续日期段

使用Base R（无第三方依赖） #

如果不想加载dplyr，用base R的ave函数也能实现：

df <- data.frame(person = c('A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'),
                 day = c(1, 2, 4, 6, 7, 10, 11, 12))

# 按分组计算日期差值
df$diff_day <- ave(df$day, df$person, FUN = function(x) c(1, diff(x)))
# 按分组标记连续段
df$segment <- ave(df$diff_day, df$person, FUN = function(x) cumsum(x != 1))
# 筛选初始连续段并清理列
result_base <- df[df$segment == 0, c("person", "day")]

print(result_base)

输出结果和dplyr版本一致。

内容的提问来源于stack exchange，提问作者Alex