在R语言中创建状态持续时长(Duration)变量的问题求助

现有一份多个体多年观测数据集，每个个体每年状态为A或B之一。已生成虚拟变量Status_change：当年状态与上年不同时取值1，否则0（第一年为NA）。需要创建Duration变量，规则为：

• 个体第一年取值0
• 状态不变时每年加1
• 状态切换时重置为0

尝试以下R代码后报错：

data%>%
  group_by(Individual)%>%
  arrange(Year, .by_group = TRUE)%>%
  mutate(Duration = ifelse(Year == 1, 0, ifelse(Status_Change == 1, 0, lag(Duration) + 1)))

报错信息：

Error: Problem with `mutate()` column `Duration`.
i `Duration = ifelse(Year == 1, 0, ifelse(Status_Change == 1, 0, lag(Duration) + 1))`.
x could not find function "Duration"
i The error occurred in group 1: Individual = "1"

dplyr::mutate中无法直接引用正在创建的变量的lag()值——因为Duration还未完全生成，代码执行时无法识别该变量，导致报错。

提供两种可行方案，任选其一即可：

方案1：用purrr::accumulate迭代计算 #

利用迭代函数逐行计算，依赖前一行的Duration值：

library(dplyr)
library(purrr)

data_processed <- data %>%
  group_by(Individual) %>%
  arrange(Year, .by_group = TRUE) %>%
  mutate(
    Duration = accumulate(2:n(), .init = 0, 
                          ~ ifelse(Status_Change[.y] == 1, 0, .x + 1))
  )

• .init = 0指定第一年的Duration值
• 从第2行开始迭代：若Status_Change为1则重置为0，否则前一行值加1

方案2：用分组累积ID计算 #

通过生成连续相同状态的分组ID，再计算组内行号实现：

library(dplyr)

data_processed <- data %>%
  group_by(Individual) %>%
  arrange(Year, .by_group = TRUE) %>%
  # 将第一年的NA替换为0，生成连续状态的分组ID
  mutate(status_group = cumsum(coalesce(Status_Change, 0))) %>%
  # 在每个个体+状态分组内计算Duration
  group_by(Individual, status_group) %>%
  mutate(Duration = row_number() - 1) %>%
  ungroup() %>%
  # 可选：删除中间变量
  select(-status_group)

• coalesce(Status_Change, 0)处理第一年的NA，确保分组ID从0开始
• 每次状态切换时status_group递增，新分组内row_number()-1重新从0计数

内容的提问来源于stack exchange，提问作者Student In Need