R语言：无需for循环，在指定列出现*后递增新列值的最优方法

问题描述 #

我有如下结构的数据表：

Value:
U
R
T
*
D
E
*
M
R
Z
*
...

需要新增一列，要求在第一列出现""时，新列的值在该""之后递增，预期结果如下：

Value, newcolumn:
U 1
R 1
T 1

• 1
  D 2
  E 2
• 2
  M 3
  R 3
  Z 3
• 3

希望不使用for循环，用最符合R语言风格的方式实现。我曾尝试用rleid()函数，但该函数在Value列出现""时就会递增计数，不符合我需要在""之后才递增的需求。

数据结构如下：

structure(list(value = c("U", "R", "T", "*", "D", "E", "*", "M","R", "Z", "*")), class = c("tbl_df", "tbl", "data.frame"), row.names = c(NA,-11L))

解决方案 #

使用dplyr包的mutate()结合cumsum()和lag()函数即可实现：

library(dplyr)
df %>% mutate(value2 = cumsum(lag(value, default = '') == '*') + 1)

原理说明 #

• lag(value, default = '')：将value列整体下移一行，第一行用空字符串填充，以此定位当前行的前一行是否为"*"
• lag(...) == '*'：生成逻辑向量，前一行是"*"的位置为TRUE，否则为FALSE
• cumsum()：对逻辑向量累加，TRUE会被当作1计算，每遇到前一行是"*"的情况，累加值就加1
• +1：确保初始分组从1开始，而非0

内容的提问来源于stack exchange，提问作者T H