如何基于tidyverse高效更新Sequ的游程长度ID并跳过NA

给定数据集：

df <- data.frame(
  ID = 1:10,
  Sequ = c(NA, 44,44, NA, NA, 33,33,33, 5,5),
  Q = c(NA, "q1","q1", NA, NA, "q2","q2","q2", "q2","q2")
)

原方案借助data.table::rleid结合dplyr实现了需求，这里提供纯tidyverse的替代方案，无需依赖data.table：

library(dplyr)

df_processed <- df %>%
  mutate(
    # 标记非NA的行
    non_na_flag = !is.na(Sequ),
    # 判断当前非NA行是否属于新的游程组
    is_new_group = non_na_flag & (Sequ != lag(Sequ, default = first(Sequ[non_na_flag]))),
    # 生成游程ID，NA位置保留NA
    Sequ_0 = ifelse(non_na_flag, cumsum(is_new_group), NA_integer_)
  ) %>%
  # 清理临时辅助列
  select(-non_na_flag, -is_new_group, -Sequ)

print(df_processed)

执行后输出：

ID    Q Sequ_0
1   1 <NA>     NA
2   2   q1      1
3   3   q1      1
4   4 <NA>     NA
5   5 <NA>     NA
6   6   q2      2
7   7   q2      2
8   8   q2      2
9   9   q2      3
10 10   q2      3

逻辑说明 #

1. non_na_flag：先标记出Sequ列非NA的行，后续只对这些行处理；
2. is_new_group：判断当前非NA行是否开启了新游程——当当前行非NA，且与前一个非NA行的Sequ值不同时，标记为新组；
3. Sequ_0：用cumsum对新组标记求和，得到递增的游程ID，再通过ifelse把原NA的位置设回NA；
4. 最后清理掉临时辅助列，得到目标结果。

这个方案完全基于tidyverse工具链，逻辑直观，不需要跨包依赖，对于常规规模的数据集效率表现优异。

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