使用data.table按连续组计数并重置计数器的R语言实现需求

示例数据 #

先定义测试用的data.table：

library(data.table)
dt <- data.table(
  ID = 1:10,
  Exist = c(1, 1, NA, NA, NA, 0, 0, 1, NA, NA)
)

现有代码的问题 #

如果直接按Exist分组计数，会把所有相同值（包括非连续的）归为一组，而且NA因为无法直接比较相等，会被拆成单独的组，完全不符合连续分组的需求。比如这类错误代码：

# 错误示例：无法识别连续分组，NA处理错误
dt[, count := seq_len(.N), by = Exist]
dt[, max_count := max(count), by = Exist]

正确解决方案 #

核心是先给**连续相同的Exist值（包括NA）**生成唯一的分组ID，再基于这个ID做计数和最大值计算：

# 生成连续分组ID：rleidv会把连续相同的Exist值（含NA）归为同一组
dt[, group_id := rleidv(Exist, na.rm = FALSE)]

# 每组内从1开始递增计数
dt[, count := seq_len(.N), by = group_id]

# 计算每组的最大计数值
dt[, max_count := max(count), by = group_id]

关键说明 #

• rleidv()是data.table内置的高效函数，专门用于生成连续相同值的分组标识，na.rm = FALSE参数确保连续的NA会被识别为同一组（默认na.rm=TRUE会把每个NA当成单独组）。
• 先通过group_id锁定连续的组，后续的计数和最大值计算就完全符合需求了。

最终输出 #

运行代码后得到的结果如下：

ID Exist group_id count max_count
 1:  1     1        1     1         2
 2:  2     1        1     2         2
 3:  3    NA        2     1         3
 4:  4    NA        2     2         3
 5:  5    NA        2     3         3
 6:  6     0        3     1         2
 7:  7     0        3     2         2
 8:  8     1        4     1         1
 9:  9    NA        5     1         2
10: 10    NA        5     2         2

内容的提问来源于stack exchange，提问作者Allan Zambrano