基于多条件及前值引用创建分组新变量的R语言问题

问题背景 #

给定如下数据框：

df <- data.frame(
  ID = (rep(c(1, 2, 3), times = c(3, 6, 4))),
  threshold = c(NA, 2, 6, 
                NA, 2, 3, 7, 3, 7,
                NA, 7, 7, 2)
)

需要创建新变量new_var，规则如下：

• 每个ID的首行赋值为1
• 保持当前值，直到threshold≥5时，new_var加1
• 之后保持新值，直到下一次threshold≥5时再次加1
• 每个ID的规则独立重置

尝试的代码及错误 #

使用tidyverse分组后用case_when尝试实现，但报错：

library(tidyverse)

df1 <- df %>%
  group_by(ID) %>%
  mutate(
    new_var = NA, #先创建空变量以便后续引用
    new_var = case_when(
      is.na(threshold) == TRUE ~ 1,
      threshold < 5 ~ new_var[-1],
      threshold >= 5 ~ new_var[-1] + 1
    )
  ) %>%
  ungroup()

错误信息：

Error in mutate():
! Problem while computing new_var = case_when(...).
ℹ The error occurred in group 1: ID = 1.
Caused by error in case_when():
! threshold < 5 ~ new_var[-1], threshold >= 5 ~ new_var[-1] + 1 must be length 3 or one, not 2.
Backtrace:

1. ... %>% ungroup()
2. dplyr::case_when(...)

问题根源：new_var[-1]是取整个向量去掉第一个元素，并非引用当前行的前一个值，导致长度不匹配。

解决方案 #

方法一：用accumulate实现迭代计算 #

purrr::accumulate()可以逐行基于上一行的结果计算当前值，完美适配依赖前值的场景：

library(tidyverse)

df_result <- df %>%
  group_by(ID) %>%
  mutate(
    new_var = accumulate(threshold, .init = 1, function(prev_val, curr_thresh) {
      if (curr_thresh >= 5) {
        prev_val + 1
      } else {
        prev_val
      }
    }) %>% tail(-1) # 移除.init生成的初始值，匹配原数据行数
  ) %>%
  ungroup()

方法二：用cumsum简化计算 #

先标记每个ID内的触发点（threshold≥5的行），再计算累积触发次数，最后加上初始值1：

df_result <- df %>%
  group_by(ID) %>%
  mutate(
    trigger = ifelse(threshold >= 5, 1, 0),
    new_var = 1 + cumsum(trigger)
  ) %>%
  ungroup() %>%
  select(-trigger) # 可选：移除中间变量

最终结果 #

两种方法得到的结果一致，如下：

说明 #

• accumulate方法更直观体现“依赖前值更新”的逻辑，适合复杂迭代规则
• cumsum方法更简洁，适合规则可转化为累积计数的场景
• 两种方法均严格遵循每个ID独立重置的要求

内容的提问来源于stack exchange，提问作者Z K