如何在R中按组识别非连续Trial_Nr数值及中断位置

我有一个长格式数据集，不同受试者由subj_id（示例中为Crowdsourcing_SubjId）标识，参与的刺激由连续变量Trial_Nr标记。需要识别Trial_Nr序列中断的受试者及中断位置。

最小可复现示例（MWE）：

df <- structure(list(Crowdsourcing_SubjId = c("5e42fc295135b5000cd20d0b", 
"5e42fc295135b5000cd20d0b", "5e42fc295135b5000cd20d0b", "5e42fc295135b5000cd20d0b", 
"5e42fc295135b5000cd20d0b", "5e42fc295135b5000cd20d0b", "63bd9ac0dc52225142c5b1d4", 
"63bd9ac0dc52225142c5b1d4", "63bd9ac0dc52225142c5b1d4", "63bd9ac0dc52225142c5b1d4"
), Trial_Nr = c(1:6, 1, 2, 5, 6)), row.names = c(NA, 10L), class = "data.frame")

尝试使用diff()但无法按组实现正确计算，代码如下：

library(tidyverse)

df %>%
group_by(Crowsourcing_SubjId) %>%
summarise(flag = diff(Trial_Nr))

这段代码既没有按组正确计算差异，也无法定位中断位置。期望输出如下：

Crowdsourcing_SubjId      flag  disruption
5e42fc295135b5000cd20d0b  1     NA
63bd9ac0dc52225142c5b1d4  3     2

通过dplyr的分组计算，结合diff()和辅助函数可以实现需求。核心逻辑是按受试者分组后，计算相邻试次的差值，定位差值异常的位置，再整理成期望的输出格式。

完整代码：

library(tidyverse)

df %>%
  group_by(Crowdsourcing_SubjId) %>%
  # 计算相邻Trial_Nr的差值，标记中断位置
  mutate(flag = c(NA, diff(Trial_Nr)),
         disruption = ifelse(flag > 1, lag(Trial_Nr), NA)) %>%
  # 保留每组最后一行（无中断组）或中断所在行（有中断组）
  slice_max(row_number(), n = 1) %>%
  # 无中断组默认flag为1
  mutate(flag = ifelse(is.na(flag), 1, flag)) %>%
  select(Crowdsourcing_SubjId, flag, disruption) %>%
  ungroup()

代码说明： #

• mutate(flag = c(NA, diff(Trial_Nr)))：给每个受试者的试次序列计算相邻差值，第一个试次无前置值，差值设为NA。
• disruption = ifelse(flag > 1, lag(Trial_Nr), NA)：当差值大于1时，记录中断前的试次编号；无中断则为NA。
• slice_max(row_number(), n = 1)：每个组保留最后一行，这样无中断的组会保留最终的连续状态，有中断的组会保留包含中断信息的记录。
• mutate(flag = ifelse(is.na(flag), 1, flag))：无中断的组将flag统一设为1，匹配期望输出格式。

执行后输出结果与期望一致：

# A tibble: 2 × 3
  Crowdsourcing_SubjId      flag disruption
  <chr>                    <dbl>      <int>
1 5e42fc295135b5000cd20d0b     1         NA
2 63bd9ac0dc52225142c5b1d4     3          2

内容的提问来源于stack exchange，提问作者RobertP.