如何在R中为无NA且含指定类别的3行创建非重叠分组列

示例数据构造 #

先构造一个和你场景匹配的示例数据，方便测试：

library(dplyr)
library(purrr)

set.seed(123)
df <- tibble(
  id = rep(c("A", "B"), each = 10),
  category = sample(c("Apple", "Banana", "Orange", NA), 20, replace = TRUE),
  value = ifelse(is.na(category), NA, rnorm(20))
)

核心解决方案代码 #

以下代码实现每个id分组内的不重叠滚动窗口检查与标记：

df_processed <- df %>%
  group_by(id) %>%
  mutate(row_idx = row_number()) %>%
  group_split() %>%
  map_dfr(function(group) {
    total_rows <- nrow(group)
    group$group_label <- NA_character_
    group_counter <- 1
    current_pos <- 1
    
    while (current_pos <= total_rows - 2) {
      # 截取当前3行窗口
      window_slice <- slice(group, current_pos:(current_pos + 2))
      
      # 验证窗口条件：无NA值，且包含全部三类category
      valid_window <- all(!is.na(window_slice$value)) && 
                      all(c("Apple", "Banana", "Orange") %in% window_slice$category)
      
      if (valid_window) {
        # 给窗口内3行添加标签
        label <- paste0(group$id[1], "_group_", group_counter)
        group$group_label[current_pos:(current_pos + 2)] <- label
        
        # 跳过已标记行，保证分组不重叠
        current_pos <- current_pos + 3
        group_counter <- group_counter + 1
      } else {
        # 步长1，检查下一个窗口
        current_pos <- current_pos + 1
      }
    }
    
    group %>% select(-row_idx)
  }) %>%
  ungroup()

代码逻辑说明 #

1. 分组与行号标记：先按id分组，给每组内的行添加行号，方便窗口定位
2. 逐组处理：用group_split拆分每个id的独立数据框，再用map_dfr循环处理每组
3. 滚动窗口检查：用while循环遍历行，每次检查当前位置开始的3行窗口：
   • 若窗口满足「无NA值」且「包含全部三个category」，则给这3行打上指定格式的标签
   • 标记完成后直接跳过这3行（步长3），确保分组不重叠；不满足则步长1继续检查下一个窗口
4. 结果合并：处理完所有组后合并为最终数据框，去掉临时行号列

为什么之前的方法没解决？ #

• expand.grid和转宽表更适合静态的多值匹配，难以处理「滚动+不重叠」的动态遍历逻辑
• zoo::rollapply能实现滚动窗口计算，但默认是滑动遍历（步长1），无法直接跳过已匹配的行来保证分组不重叠，需要额外的循环逻辑配合

查看处理结果 #

运行以下代码查看最终标记效果：

print(df_processed, n = 20)

内容的提问来源于stack exchange，提问作者cebola