如何在R中按user_id分组创建非NA值递增的索引列

问题分析 #

你需要按user_id分组，对tobeindexed列生成索引：遇到非NA值时索引递增，遇到NA时保持当前索引值。你尝试的group_by+cumsum写法逻辑上是正确的，但可能因为操作细节导致结果不符合预期。

正确实现方法 #

方法1：修正dplyr写法 #

首先确保已加载dplyr包，然后执行以下代码：

library(dplyr)

data <- data.frame(user_id = c(1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3),
                   tobeindexed=c(1,NA,3,2,NA,0,NA,4,3,4,NA))

result <- data %>%
  group_by(user_id) %>%
  mutate(desired = cumsum(!is.na(tobeindexed))) %>%
  ungroup() # 可选，取消分组便于后续操作

# 验证结果
print(result)

执行后得到的desired列与你期望的完全一致：

# A tibble: 11 × 3
   user_id tobeindexed desired
     <dbl>       <dbl>   <int>
 1       1           1       1
 2       1          NA       1
 3       1           3       2
 4       2           2       1
 5       2          NA       1
 6       2           0       2
 7       2          NA       2
 8       3           4       1
 9       3           3       2
10       3           4       3
11       3          NA       3

为什么你的代码可能没生效？ #

• 未加载dplyr包：如果没执行library(dplyr)，管道符%>%和group_by/mutate会报错，或使用其他包的同名函数导致逻辑异常。
• 未查看分组后的完整结果：直接打印分组数据框可能显示截断信息，误以为结果错误，建议用ungroup()后再查看。
• 数据类型问题：确保tobeindexed是数值型而非字符型，否则is.na()判断会失效。

方法2：Base R实现（无需第三方包） #

如果你不想使用dplyr，可以用ave函数实现分组计算：

data$desired <- ave(!is.na(data$tobeindexed), data$user_id, FUN = cumsum)

特殊情况处理：分组首行为NA #

如果某个分组的第一个值是NA，上述方法会生成0，而你可能期望从1开始。可以调整代码：

result <- data %>%
  group_by(user_id) %>%
  mutate(
    non_na_flag = !is.na(tobeindexed),
    desired = cumsum(non_na_flag),
    # 首行为NA时，将0替换为1，后续NA保持当前值
    desired = ifelse(desired == 0, 1, desired)
  ) %>%
  select(-non_na_flag) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者August Nilsson