如何在R中高效将事件型变量转为状态型变量（支持多用户）

核心逻辑 #

屏幕状态初始为0，遇到1（开启事件）后保持1，直到遇到0（关闭事件）后恢复为0，所有NA位置继承前一个有效状态。

单用户高效实现（无循环） #

方法1：仅用tidyverse工具 #

library(tidyverse)

# 原始单用户数据
display_on_id1 <- c(NA, NA, NA, NA, 1, NA, NA, NA, 0, NA)

display_status_id1 <- tibble(val = display_on_id1) %>%
  mutate(
    # 将第一个非NA值之前的所有NA替换为初始状态0
    first_non_na = cumsum(!is.na(val)) == 0,
    val = ifelse(first_non_na, 0, val)
  ) %>%
  # 向下填充剩余NA，继承前一个有效状态
  fill(val, .direction = "down") %>%
  pull(val)

# 输出结果：[1] 0 0 0 0 1 1 1 1 0 0

方法2：结合zoo包（更简洁） #

library(zoo)

display_on_id1 <- c(NA, NA, NA, NA, 1, NA, NA, NA, 0, NA)
# 先填充开头NA为0，再向下填充剩余NA
display_status_id1 <- na.locf(replace(display_on_id1, is.na(display_on_id1) & cumsum(!is.na(display_on_id1)) == 0, 0), na.rm = FALSE)

多用户批量处理方案 #

针对宽格式多用户数据，采用长格式分组处理+转回宽格式的思路，完全避免嵌套循环，适配大规模数据：

library(tidyverse)

# 原始多用户数据
display_on <- data.frame(
  id1 = c(NA, NA, NA, NA, 1, NA, NA, NA, 0, NA),
  id2 = c(NA, NA, 1, NA, NA, 0, NA, NA, NA, NA),
  id3 = c(NA, 1, NA, 0, NA, NA, 1, NA, 0, NA)
)

# 生成目标状态数据框
display_status <- display_on %>%
  # 转成长格式：时间步、用户ID、事件值
  rownames_to_column(var = "time") %>%
  pivot_longer(cols = -time, names_to = "user", values_to = "event") %>%
  # 按用户分组处理状态
  group_by(user) %>%
  mutate(
    # 填充开头NA为初始状态0
    first_non_na = cumsum(!is.na(event)) == 0,
    event = ifelse(first_non_na, 0, event),
    # 向下填充NA得到持续状态
    display_status = na.locf(event, na.rm = FALSE)
  ) %>%
  # 清理并转回宽格式
  select(time, user, display_status) %>%
  pivot_wider(names_from = user, values_from = display_status) %>%
  select(-time)

# 查看结果
print(display_status)
#   id1 id2 id3
#1    0   0   0
#2    0   0   1
#3    0   1   1
#4    0   1   0
#5    1   1   0
#6    1   0   0
#7    1   0   1
#8    1   0   1
#9    0   0   0
#10   0   0   0

如果不想依赖zoo包，可将na.locf替换为tidyverse的fill函数：

mutate(
  first_non_na = cumsum(!is.na(event)) == 0,
  event = ifelse(first_non_na, 0, event)
) %>%
fill(event, .direction = "down") %>%
rename(display_status = event)

为什么比循环高效？ #

1. 向量化操作：tidyverse/zoo的函数均为底层优化的向量化实现，比显式循环快数倍，尤其适合百万级行的大规模数据。
2. 分组逻辑天然适配多用户：无需手动处理列索引，避免循环中容易出现的索引越界错误（比如你之前嵌套循环中i+n可能超出数据行数）。

内容的提问来源于stack exchange，提问作者dgtmn