基于数据框中重复日期序列生成批次ID列的技术问询

dplyr 实现（推荐，匹配你的日常使用习惯） #

利用cumsum()对day == 1的情况做累加，每遇到一次day=1，累加值就递增1，最后将累加值格式化为"batch X"的形式：

library(dplyr)

set.seed(20)
df <- data.frame(subject1 = runif(n=90, min = 1, max = 100), 
                 subject2 = runif(n=90, min = 1, max = 100), 
                 subject3 = runif(n=90, min = 1, max = 100), 
                 day = c(rep(1:21, 2), 1:28, 1:20))

# 生成batch ID列
df <- df %>%
  mutate(ID = paste0("batch ", cumsum(day == 1)))

# 验证结果
head(df, 25)
tail(df, 25)

这个方法是向量化操作，无循环开销，即使是超大规模数据集也能高效处理。

Base R 实现 #

无需加载任何包，原生R代码即可完成：

set.seed(20)
df <- data.frame(subject1 = runif(n=90, min = 1, max = 100), 
                 subject2 = runif(n=90, min = 1, max = 100), 
                 subject3 = runif(n=90, min = 1, max = 100), 
                 day = c(rep(1:21, 2), 1:28, 1:20))

df$ID <- paste0("batch ", cumsum(df$day == 1))

data.table 实现（适配超大规模数据集） #

如果数据集达到千万级以上行数，data.table的处理速度会更优：

library(data.table)

set.seed(20)
dt <- data.table(subject1 = runif(n=90, min = 1, max = 100), 
                 subject2 = runif(n=90, min = 1, max = 100), 
                 subject3 = runif(n=90, min = 1, max = 100), 
                 day = c(rep(1:21, 2), 1:28, 1:20))

dt[, ID := paste0("batch ", cumsum(day == 1))]

核心原理 #

cumsum(day == 1)会将每行day是否等于1转换为布尔值（TRUE对应1，FALSE对应0），再对这个序列累加：

• 第一行day=1，累加值为1；
• 后续20行day≠1，累加值保持1；
• 第22行day=1，累加值变为2，以此类推。
  最后用paste0()将前缀与累加值拼接成目标ID格式。

内容的提问来源于stack exchange，提问作者Bugs93