如何基于正数转对应负数的偏移对DataFrame序列分组？

问题描述 #

现有如下名为df的DataFrame：

value
1     -4
2     -3
3     -2
4     -1
5      0
6      1
7      2
8      3
9     -3
10    -2
11    -1
12     0
13     1
14     2
15     3
16    -3
17    -2
18    -1
19     0
20     1
21     2
22    -2
23    -1
24     0
25     1
26     2
27     3
28     4

需要基于正数变为其对应的负数的偏移规则对value列进行分组：当某行的正数等于下一行值的相反数时（即当前行值x>0，下一行值为-x），则该行及之前的所有行归为一组。例如第8行值为3，第9行值为-3，那么第1至8行属于一组；第15行值为3，第16行值为-3，同样触发分组，以此类推。

期望输出如下：

value group
1     -4     1
2     -3     1
3     -2     1
4     -1     1
5      0     1
6      1     1
7      2     1
8      3     1
9     -3     2
10    -2     2
11    -1     2
12     0     2
13     1     2
14     2     2
15     3     2
16    -3     3
17    -2     3
18    -1     3
19     0     3
20     1     3
21     2     3
22    -2     4
23    -1     4
24     0     4
25     1     4
26     2     4
27     3     4
28     4     4

df的dput代码：

df <- structure(list(value = c(-4, -3, -2, -1, 0, 1, 2, 3, -3, -2, 
-1, 0, 1, 2, 3, -3, -2, -1, 0, 1, 2, -2, -1, 0, 1, 2, 3, 4)), class = "data.frame", row.names = c(NA, 
-28L))

解决方案 #

可以通过以下步骤实现分组：

1. 识别触发分组的边界行：判断当前行的value是否为正数，且等于下一行value的相反数。
2. 根据边界生成分组标识：对边界进行累加，从而得到每行对应的分组编号。

具体R代码如下：

library(dplyr)

df <- df %>%
  # 标记触发分组的行（当前行满足条件时，下一行属于新组）
  mutate(is_group_boundary = value > 0 & lead(value) == -value) %>%
  # 填充最后一行的边界标记（默认不触发）
  replace_na(list(is_group_boundary = FALSE)) %>%
  # 累加边界标记，生成分组编号（初始为1，每遇到一个边界加1）
  mutate(group = cumsum(is_group_boundary) + 1) %>%
  # 移除中间辅助列
  select(-is_group_boundary)

代码解释 #

• is_group_boundary = value > 0 & lead(value) == -value：创建一个布尔列，标记当前行是否是分组的结束行（即下一行要进入新组）。lead(value)用于获取下一行的value值。
• replace_na(list(is_group_boundary = FALSE))：因为最后一行没有下一行，所以将其边界标记设为FALSE，避免NA值影响累加。
• group = cumsum(is_group_boundary) + 1：对边界标记进行累加，每遇到一个TRUE（即一个分组结束），累加值加1，再加上初始的1，得到分组编号。

执行上述代码后，即可得到符合要求的分组结果。

内容的提问来源于stack exchange，提问作者Quinten