如何计算tibble中变量X的连续累积和？

原始数据构造 #

library(tibble)
dt <- tibble(id = rep(1,8),
             year = 2001:2008,
             X = c(FALSE, TRUE, TRUE, FALSE, FALSE, TRUE,TRUE,TRUE))

解决方案代码 #

使用dplyr包可高效实现需求，核心思路是先划分连续状态的区块，再在每个区块内计算累积和：

library(dplyr)

dt_result <- dt %>%
  # 生成连续状态的分组标识：每遇到FALSE，分组号递增
  mutate(group = cumsum(!X)) %>%
  # 按分组计算组内累积和
  group_by(group) %>%
  mutate(cumN = cumsum(X)) %>%
  ungroup() %>%
  # 移除临时分组列
  select(-group)

# 查看结果
dt_result

运行结果 #

# A tibble: 8 × 4
     id  year X     cumN
  <dbl> <int> <lgl> <int>
1     1  2001 FALSE     0
2     1  2002 TRUE      1
3     1  2003 TRUE      2
4     1  2004 FALSE     0
5     1  2005 FALSE     0
6     1  2006 TRUE      1
7     1  2007 TRUE      2
8     1  2008 TRUE      3

代码解释 #

• cumsum(!X)：将X取反后累积求和，每遇到一个FALSE，分组号就加1，这样连续的TRUE或FALSE会被归为同一组，实现"连续区块"的划分。
• 按group分组后用cumsum(X)计算累积和：TRUE对应数值1，组内累积会从1开始递增；FALSE对应数值0，组内累积始终为0，完全匹配需求。

多ID场景适配 #

如果数据包含多个id，需要保证每个id独立计算，只需在分组时加入id：

dt_result <- dt %>%
  group_by(id) %>%
  mutate(group = cumsum(!X)) %>%
  group_by(id, group) %>%
  mutate(cumN = cumsum(X)) %>%
  ungroup() %>%
  select(-group)

内容的提问来源于stack exchange，提问作者X.Jun