如何在R DataFrame中基于多条件重置计算间隔流逝时间列

完整实现代码 #

library(dplyr)

# 原始数据框
df1 <- data.frame(p1 = c("John", "John", "John", "John", "John", "John", "Jim", "Jim", "Jim", "Jim", "Jim", "Jim", "Jim","Jim" ),
                  elapsed_time = c(0, 4, 6, 9, 12, 14, 17, 22, 27, 35, 42, 47, 51, 57),
                  event_type = c("start of period", "play", "play", "play", "play", "play", "play", "play", "play", "timeout", "play", "play", "play", "play"))

# 计算目标列
df1 <- df1 %>%
  # 标记所有需要重置时间的断点行
  mutate(is_break = case_when(
    event_type %in% c("start of period", "timeout") ~ TRUE,
    p1 != lag(p1, default = first(p1)) ~ TRUE,
    TRUE ~ FALSE
  )) %>%
  # 生成断点分组ID：每遇到一个断点就开启新分组
  mutate(break_group = cumsum(is_break)) %>%
  # 按分组计算自组内起始时间的差值
  group_by(break_group) %>%
  mutate(elapsed_time_since_last_break = elapsed_time - first(elapsed_time)) %>%
  # 移除辅助列（可选）
  ungroup() %>%
  select(-is_break, -break_group)

# 查看结果
print(df1)

步骤解释 #

1. 标记断点行：
   用case_when创建is_break列，满足以下任一条件则标记为TRUE：

   • 事件类型是start of period或timeout
   • 当前行的p1与上一行不同（lag函数获取上一行值，default参数处理第一行无前置行的情况）

2. 生成分组ID：
   通过cumsum(is_break)累加断点标记，每遇到一个断点，分组ID自动加1，确保同一个连续区间的行被分到同一组。

3. 计算自断点后的时间：
   按break_group分组，用当前行的elapsed_time减去组内第一行的elapsed_time，得到自上次断点后的流逝时间，断点行的结果自然为0。

4. 清理辅助列：
   用ungroup取消分组，再移除is_break和break_group两个辅助列，得到最终结果。

输出结果 #

运行代码后会得到你期望的输出：

p1 elapsed_time      event_type elapsed_time_since_last_break
1  John            0 start of period                             0
2  John            4            play                             4
3  John            6            play                             6
4  John            9            play                             9
5  John           12            play                            12
6  John           14            play                            14
7   Jim           17            play                             0
8   Jim           22            play                             5
9   Jim           27            play                            10
10  Jim           35         timeout                             0
11  Jim           42            play                             7
12  Jim           47            play                            12
13  Jim           51            play                            16
14  Jim           57            play                            22

内容的提问来源于stack exchange，提问作者Matt