在dplyr中使用RLE分组后保留连胜区间的首尾日期

问题场景 #

现有一份按时间排序的比赛结果数据集，包含队伍、对手、日期、胜负结果字段。已实现按队伍+对手分组统计最大连胜场次，但需要进一步获取对应连胜区间的首次日期和末次日期。原代码中使用first()/last()会针对整个分组计算，无法定位到具体连胜区间。

解决方案代码 #

library(tidyverse)

# 示例数据集
test <- data.frame(date = c(1:10),
                   team = c(rep(c("red", "blue"),5)),
                   opponent = c("black", "white", "black", "white", "white",
                                "black", "white", "white", "black", "white"),
                   result = c(1,1,1,0,0,1,0,0,1,1))

# 处理逻辑：先标记连胜区间，再统计区间信息
test %>%
  group_by(team, opponent) %>%
  # 生成连续胜负段的分组ID，仅为胜场分配有效ID
  mutate(
    run_id = with(rle(result), rep(seq_along(lengths), lengths)),
    win_run_id = ifelse(result == 1, run_id, NA)
  ) %>%
  # 按胜场区间分组统计
  group_by(team, opponent, win_run_id, .drop = FALSE) %>%
  summarise(
    consec_wins = sum(result),
    first_date = first(date),
    last_date = last(date),
    .groups = "drop_last"
  ) %>%
  # 筛选有效胜场区间，并保留每个组合的最大连胜记录
  filter(consec_wins > 0) %>%
  group_by(team, opponent) %>%
  filter(consec_wins == max(consec_wins)) %>%
  ungroup() %>%
  select(team, opponent, consec_wins, first_date, last_date)

代码说明 #

1. 标记连胜区间：用rle()识别连续的胜负结果，生成run_id标记每个连续段；仅为胜场保留win_run_id，负场设为NA以便后续过滤。
2. 区间统计：按队伍+对手+win_run_id分组，统计该区间的连胜场次、首次和末次日期。
3. 筛选最大连胜：过滤无胜场的记录后，保留每个队伍+对手组合中连胜场次最多的区间（若有多个相同最大场次的区间，会全部保留）。

输出示例 #

# A tibble: 4 × 5
  team  opponent consec_wins first_date last_date
  <chr> <chr>          <dbl>      <int>     <int>
1 blue  black              1          6         6
2 blue  white              1          2         2
3 blue  white              1         10        10
4 red   black              3          1         9

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