R语言：按ID删除首次年份非连续后的行及代码正确性排查

你的代码写法不正确，警告的原因是：

• mutate会给每个分组内的每一行都生成break_index值，导致slice(1:break_index)中的break_index是包含多个重复元素的向量，R只能读取向量的第一个元素，因此抛出警告。
• 另外，代码没有处理「分组内年份完全连续」的情况，此时which(diff(year) > 1)[1]会返回NA，直接用1:break_index会报错。

正确解法 #

推荐两种简洁的实现方式，均能满足需求且避免警告：

方法一：基于累积标记筛选 #

通过标记首次断裂位置，筛选断裂前的所有行：

library(dplyr)

final = my_data %>%
  group_by(id) %>%
  # 标记当前行是否是断裂前的最后一行（下一行年份不连续）
  mutate(is_break_point = c(diff(year) > 1, FALSE)) %>%
  # 只保留首次断裂发生前的所有行（累积标记为0的行）
  filter(cumsum(is_break_point) == 0) %>%
  select(-is_break_point) %>%
  ungroup()

方法二：在slice中直接计算分组内的断裂位置 #

针对每个分组单独计算断裂位置，同时兼容无断裂的情况：

final = my_data %>%
  group_by(id) %>%
  slice({
    # 获取首次年份断裂的位置（diff结果的索引对应原数据的前一行）
    break_pos = which(diff(year) > 1)[1]
    # 若无断裂则保留全部行，否则保留到断裂位置的前一行
    if (is.na(break_pos)) 1:n() else 1:break_pos
  }) %>%
  ungroup()

验证结果 #

运行任意一种方法后，输出结果符合需求：

> final
# A tibble: 6 × 3
     id  year   var
  <dbl> <dbl> <dbl>
1     1  2010     1
2     1  2011     7
3     1  2012     3
4     1  2013     9
5     2  2015    88
6     2  2016    12

内容的提问来源于stack exchange，提问作者stats_noob