如何在R中按条件使用rank或类似分组函数实现连续日期分组

核心需求是：按OBJECT字段分组，将连续次日的记录归为同一排名，非连续的日期则递增排名。

步骤1：构造并预处理数据 #

首先确保日期字段是标准日期类型（原数据为字符型，需转换）：

# 构造示例数据
df <- data.frame(
  OBJECT = c("PRODUCT1", "PRODUCT1", "PRODUCT1", "PRODUCT2", "PRODUCT2", "PRODUCT2", "PRODUCT2", "PRODUCT2"),
  DATE = c("01/02/2023", "02/02/2023", "21/02/2023", "07/02/2023", "09/02/2023", "10/02/2023", "11/02/2023", "23/02/2023")
)

# 转换日期格式（日/月/年）
library(lubridate)
df$DATE <- dmy(df$DATE)

步骤2：用dplyr实现分组排名 #

使用dplyr的分组、滞后判断和累计求和逻辑，实现需求：

library(dplyr)

df_result <- df %>%
  group_by(OBJECT) %>%
  arrange(DATE) %>% # 确保每组内按日期排序
  # 判断当前记录是否属于新组：第一行默认是新组，否则日期不是前一天的次日则为新组
  mutate(is_new_group = ifelse(row_number() == 1, TRUE, DATE != lag(DATE) + days(1))) %>%
  # 累计新组数量生成排名
  mutate(RANK = cumsum(is_new_group)) %>%
  select(-is_new_group) %>% # 移除中间辅助列
  ungroup()

# 查看结果
print(df_result)

步骤3：（可选）用data.table实现（适合大数据集） #

如果处理大数据，data.table的效率更高：

library(data.table)
setDT(df)
df[, DATE := dmy(DATE)]

df_result_dt <- df[order(DATE), 
                   RANK := cumsum(c(TRUE, DATE[-1] != DATE[.N-1] + days(1))), 
                   by = OBJECT]

原代码问题说明 #

你之前使用的ddply(df, .(object), transform, rank = (seq_along(date)))仅对每组内的记录按顺序编号，没有判断日期的连续性，因此无法得到符合需求的分组排名。

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