在R中按用户分组，基于shift_change_ind生成递增shift_id

针对百万行级别的数据集，按user分组生成shift_id，每当shift_change_ind为1时计数器递增，推荐用向量化的累加操作实现，完全避免循环，效率拉满：

方案1：data.table（性能最优，适合超大数据） #

data.table的分组累加操作是目前处理大数据最快的方式之一：

library(data.table)

# 假设数据集为dt，包含user、datetime、shift_change_ind字段
dt[, shift_id := cumsum(shift_change_ind) + 1, by = user]

逻辑说明：

• 按user分组后，用cumsum()对shift_change_ind做累加，每遇到1就自动加1
• 加1是为了让第一个班次的ID从1开始（因为第一个行的shift_change_ind通常为0，无前置时间间隔）

方案2：dplyr（语法更直观） #

如果习惯tidyverse语法，用dplyr的窗口函数同样高效：

library(dplyr)

dt <- dt %>%
  group_by(user) %>%
  mutate(shift_id = cumsum(shift_change_ind) + 1) %>%
  ungroup()

注意事项 #

• 确保shift_change_ind的定义准确：每个user的第一行shift_change_ind应为0（无前置时间戳，不算新班次），否则需根据实际情况调整初始值（比如用cumsum(shift_change_ind) + (1 - first(shift_change_ind))）
• 这两种方法都是纯向量化计算，不会出现rleid处理连续1时的分组错误问题，因为每个shift_change_ind=1都会独立触发计数器递增

内容的提问来源于stack exchange，提问作者rastrast