如何用R(dplyr)按校ID分组，为连续年级块生成递增序号

需求：基于包含schoolid（校ID）和grade（年级）列的数据框，生成新列new_id。规则为：在每个schoolid分组内，对连续出现的相同grade的区块从1开始递增编号，同一区块内所有行的new_id值相同。

目标数据示例 #

structure(list(schoolid = c(201L, 201L, 201L, 201L, 201L, 201L, 201L, 201L, 201L, 201L, 201L, 201L, 201L, 202L, 202L, 202L, 202L, 202L, 202L, 202L, 202L, 202L), grade = c(3L, 3L, 4L, 4L, 5L, 5L, 3L, 3L, 5L, 5L, 5L, 3L, 3L, 3L, 3L, 4L, 4L, 5L, 5L, 3L, 4L, 4L), new_id = c(1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L)), row.names = c(NA, 22L), class = "data.frame")

错误尝试代码 #

data %>%
  group_by(schoolid, grade) %>%
  mutate(new_id = 1:n())

该代码的问题在于：同时按schoolid和grade分组会将所有同校同年级的行归为一组，忽略了「连续出现」的要求，生成的是组内行号而非连续区块的编号。

正确实现方法 #

核心思路是在每个schoolid分组内，先识别连续grade区块的边界，再通过累加边界标记生成连续编号：

library(dplyr)

data %>%
  group_by(schoolid) %>%
  mutate(
    # 标记当前行与前一行grade是否不同，首行默认与自身相同（标记为FALSE）
    block_change = grade != lag(grade, default = first(grade)),
    # 累加边界标记得到区块编号，+1让编号从1开始
    new_id = cumsum(block_change) + 1
  ) %>%
  ungroup()

代码解释 #

1. group_by(schoolid)：仅按校ID分组，确保每个学校内独立处理连续区块
2. block_change：通过lag()获取前一行的grade，与当前行比较，当grade变化时标记为TRUE（即区块边界）
3. cumsum(block_change)：累加边界标记，每次遇到TRUE（边界）时数值+1，这样同一连续区块内的数值相同
4. +1：将初始的0编号转为从1开始

内容的提问来源于stack exchange，提问作者katie burford