如何在R语言分组内统计连续出现次数并忽略NA值

需要按country和person分组，在忽略缺失值（NA）的前提下统计ocurrences变量的连续出现次数，规则如下：

• 当ocurrences为0时，count设为0并重置计数
• 当ocurrences为NA时，count为NA
• 连续出现1时，count依次递增

现有数据集定义：

df <- data.frame(country = c("A", "A", "A", "A", "A", "B", "B", "B", "B", "B","B"),
                 person = c("a", "a", "a", "b", "b", "a", "a", "b", "b", "b","b"),
                 time = c(1,2,3,1,2,1,2,1,2,3,4),
                 ocurrences = c(1,1,NA,1,0,0,NA,1,1,0,1))

数据集展示：

country person time ocurrences
1        A      a    1          1
2        A      a    2          1
3        A      a    3         NA
4        A      b    1          1
5        A      b    2          0
6        B      a    1          0
7        B      a    2         NA
8        B      b    1          1
9        B      b    2          1
10       B      b    3          0
11       B      b    4          1

期望输出：

country person time ocurrences count
1        A      a    1          1     1
2        A      a    2          1     2
3        A      a    3         NA    NA
4        A      b    1          1     1
5        A      b    2          0     0
6        B      a    1          0     0
7        B      a    2         NA    NA
8        B      b    1          1     1
9        B      b    2          1     2
10       B      b    3          0     0
11       B      b    4          1     1

可以使用dplyr包实现分组计数逻辑，具体代码如下：

library(dplyr)

df_result <- df %>%
  group_by(country, person) %>%
  mutate(
    # 生成子组标记：遇到0、NA或分组首行时，标记为新子组起点
    group_id = cumsum(is.na(ocurrences) | ocurrences == 0 | row_number() == 1),
    # 按规则生成count列
    count = case_when(
      is.na(ocurrences) ~ NA_integer_,
      ocurrences == 0 ~ 0L,
      TRUE ~ row_number() - match(group_id, unique(group_id)) + 1L
    )
  ) %>%
  select(-group_id) %>% # 移除临时辅助变量
  ungroup()

print(df_result)

代码逻辑说明 #

1. 一级分组：按country和person分组，保证每个个体的计数独立进行。
2. 子组划分：通过cumsum生成group_id，把连续的1划分为独立子组，遇到0、NA或分组首行时开启新子组。
3. count列生成：
   • 若ocurrences为NA，直接返回NA；
   • 若ocurrences为0，返回0并重置后续计数；
   • 连续1的情况，在对应子组内按行号递增计数。
4. 清理输出：移除临时变量group_id，取消分组后得到最终结果。

内容的提问来源于stack exchange，提问作者Victor Shin