如何在R/dplyr中按日期序列间隔拆分分组（Gaps and Islands问题）

问题场景 #

我要解决SQL中常提及的「缺口与岛屿（Gaps and Islands）」问题，不过是用R语言实现核心逻辑：按id分组，为季度连续的日期数据块添加专属分组标签（另有一个场景是年度连续的处理）。

模拟测试数据 #

使用tidyverse和zoo包构造的测试数据集：

library(tidyverse)
library(zoo)
df <- tibble('id' = c('A','A','A', 'B', 'B'), 
             'year' = as.yearqtr(c("01/01/2001","01/04/2001","01/10/2002", "01/09/2001","01/12/2001"),"%d/%m/%Y"), 
             'var1' = c(1,3,2,5,3), 
             'var2' = c(10,20,5,8,9))

对应的数据表展示：

id    year       var1  var2
  <chr> <yearqtr> <dbl> <dbl>
1 A     2001 Q1       1    10
2 A     2001 Q2       3    20
3 A     2002 Q4       2     5
4 B     2001 Q3       5     8
5 B     2001 Q4       3     9

需求说明 #

按id分组后，为连续的季度数据块分配唯一分组标签：

• ID为A的前两行是连续季度（2001 Q1→2001 Q2），归为分组1；第三行2002 Q4和前一行间隔多个季度，归为分组2。
• ID为B的两行是连续季度（2001 Q3→2001 Q4），归为分组1。

期望输出结果：

id    year       var1  var2 group
  <chr> <yearqtr> <dbl> <dbl> <dbl>
1 A     2001 Q1       1    10     1
2 A     2001 Q2       3    20     1
3 A     2002 Q4       2     5     2
4 B     2001 Q3       5     8     1
5 B     2001 Q4       3     9     1

最终解决方案 #

通过dplyr分组后，利用diff()计算季度间隔，结合cumsum()生成分组标签：

df %>% 
  group_by(id) %>% 
  mutate(group = cumsum(c(TRUE, 4 * diff(year) > 1)))

代码逻辑解释 #

• group_by(id)：按ID分组处理每个个体的日期序列
• diff(year)：计算相邻行yearqtr类型的日期差，yearqtr的数值格式为「年份+季度/4」（比如2001 Q1是2001.0，2001 Q2是2001.25）
• 4 * diff(year)：将差值转换为季度数，连续季度的差值为1，若间隔超过1个季度则结果大于1
• c(TRUE, ...)：为第一行添加初始值，保证分组从1开始计数
• cumsum()：累计求和，每次遇到间隔超过1的情况就生成新的分组编号

内容的提问来源于stack exchange，提问作者DataMonkey