Spell数据集序列重编号：R语言代码异常调试求助

数据集 #

df <- structure(list(ID = c(2L, 2L, 13L, 13L, 13L, 21L, 21L, 21L, 24L, 
                            24L, 24L, 24L), mignr = c(1L, 0L, 1L, 2L, 0L, 0L, 2L, 1L, 2L, 
                                                      3L, 0L, 1L), start = c(1387L, 903L, 1357L, 1391L, 1087L, 936L, 
                                                                             1367L, 1354L, 1363L, 1392L, 908L, 1361L), end = c(1401L, 1386L, 
                                                                                                                               1390L, 1401L, 1356L, 1353L, 1399L, 1366L, 1391L, 1400L, 1360L, 
                                                                                                                               1362L), staytime = c(15L, 484L, 34L, 11L, 270L, 418L, 33L, 13L, 
                                                                                                                                                    29L, 9L, 453L, 2L)), row.names = c(NA, -12L), class = "data.frame")

需求说明 #

按ID分组重置Spell序列，规则如下：

• 首个spell（mignr == 0）：start=0、end=1
• 后续spell（mignr > 0）：
  • start = 前一个spell的end + 1
  • end = start + (staytime - 1)

尝试的代码 #

df <- df %>% 
  mutate(start = ifelse(mignr == 0, 0, start)) %>% 
  mutate(end = ifelse(mignr == 0, 1, end)) 

max_spell <- max(df$mignr)

for(i in seq_along(1:max_spell)){
  
  j <- i-1
  df <- df %>% 
    mutate(start = ifelse(mignr == i, (df[which(df$ID == ID & df$mignr == j),4]), start)) %>% 
    mutate(end = ifelse(mignr == i, start + (staytime - 1), end)) 
  
}
df

问题现象 #

代码仅在mignr=1时输出符合预期，mignr>1时start值不符合规则。

问题原因分析 #

1. 引用原始数据而非更新后的数据：
   循环中df[which(df$ID == ID & df$mignr == j),4]调用的是循环开始前的原始df的end值，而非上一次循环更新后的end值。mutate是基于当前数据框的副本计算，无法实时引用本次循环中修改后的值。

2. 未按ID分组处理：
   代码逻辑未对ID分组，会跨ID取mignr=j的end值，导致不同ID的Spell序列互相干扰，计算结果错误。

3. 循环逻辑顺序错误：
   全局按mignr值批量处理，而非按每个ID内的mignr顺序（0→1→2→3）依次递推，无法保证后续Spell能正确继承前一个Spell的最新end值。

修正方案（分组递推实现） #

使用dplyr分组+purrr::accumulate递推，确保每个ID内的Spell序列按顺序计算，且能实时引用前一个Spell的更新后值：

library(dplyr)
library(purrr)

df_fixed <- df %>%
  # 按ID分组，确保每个ID的Spell单独计算
  group_by(ID) %>%
  # 按mignr排序，保证0是首个Spell
  arrange(mignr) %>%
  # 初始化mignr=0的start和end
  mutate(
    start = case_when(
      mignr == 0 ~ 0,
      TRUE ~ NA_real_
    ),
    end = case_when(
      mignr == 0 ~ 1,
      TRUE ~ NA_real_
    )
  ) %>%
  # 递推计算后续Spell的start：前一个end + 1
  mutate(start = accumulate(start, ~if(is.na(.y)) .x + 1 else .y)) %>%
  # 计算end值
  mutate(end = start + staytime - 1) %>%
  ungroup() %>%
  # 恢复原数据的行顺序（可选，根据需求保留）
  slice(match(row.names(df), row.names(.)))

print(df_fixed)

代码逻辑说明 #

• group_by(ID)：确保每个ID的Spell序列独立计算
• arrange(mignr)：保证每个ID内的Spell按0→1→2→3的顺序排列
• accumulate()：递推生成start值，对于非0的Spell，自动取前一个Spell的end值+1
• 最后通过start + staytime -1直接计算end，完全符合需求规则

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