如何用R语言识别连续n个TRUE的模式并添加pattern列？

问题分析 #

你需要识别数据中连续出现至少n个TRUE的片段，并将这些片段内的所有行标记为TRUE（存入pattern列），其余行标记为FALSE。注意原数据中outcome为字符型，需先转换为逻辑型方便后续判断。

解决方案（依赖dplyr和data.table） #

使用data.table的rleid()函数快速对连续相同的outcome值分组，再结合dplyr判断每组是否符合条件：

library(dplyr)
library(data.table)

# 原数据
id <- c("jan","feb","mar","apr","may","jun","jul","aug","sep","oct","nov","dec")
outcome <- c("FALSE","TRUE","FALSE","TRUE","FALSE","FALSE","TRUE","TRUE","TRUE","FALSE","TRUE","TRUE")
df_example <- data.frame(id = id, outcome= outcome)

# 设置连续TRUE的阈值（示例中为3）
n <- 3

# 生成结果
df_result <- df_example %>%
  # 将字符型的outcome转为逻辑型
  mutate(outcome = as.logical(outcome)) %>%
  # 为连续相同的outcome值分配分组ID
  mutate(group_id = rleid(outcome)) %>%
  # 按分组ID聚合，判断每组是否全为TRUE、组内行数是否达标
  group_by(group_id) %>%
  mutate(
    is_all_true = all(outcome),
    group_size = n()
  ) %>%
  # 标记pattern列：满足条件则为TRUE，否则FALSE，转回字符型匹配示例格式
  mutate(pattern = as.character(is_all_true & group_size >= n)) %>%
  ungroup() %>%
  # 保留需要的列
  select(id, outcome, pattern)

# 输出结果
print(df_result)

纯dplyr实现（不依赖data.table） #

如果不想引入data.table，可以用cumsum()和lag()手动生成连续分组ID：

library(dplyr)

df_result <- df_example %>%
  mutate(outcome = as.logical(outcome)) %>%
  # 手动生成连续相同值的分组ID
  mutate(
    group_id = cumsum(outcome != lag(outcome, default = first(outcome)))
  ) %>%
  group_by(group_id) %>%
  mutate(
    is_all_true = all(outcome),
    group_size = n()
  ) %>%
  mutate(pattern = as.character(is_all_true & group_size >= n)) %>%
  ungroup() %>%
  select(id, outcome, pattern)

为什么之前的group_by()+fill()无效？ #

group_by()通常用于按离散分类变量分组，无法直接识别连续的相同值片段；fill()仅用于填充缺失值，两者组合无法完成“连续值块识别+条件判断”的需求，必须先对连续相同值进行分组，再判断每组是否符合阈值要求。

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