R语言：如何创建记录最近0出现间隔的计算列

原始数据 #

d <- data.frame(Item = c(1, 0, 0, 1, 1, 1, 1, 1, 1, 0, 0, 1, 0, 1, 1, 1, 0))

需求说明 #

需要给数据框d新增一列recent，规则如下：

• 若当前行Item值为0，则recent值为0；
• 若当前行Item值为1，则recent值为距离最近的上一个0的行数间隔（比如最近的0在上一行，值为1；上两行则为2，依此类推）；
• 第一行因无前置0，recent值为NA。

预期结果 #

最终新增列的目标值为：

c(NA, 0, 0, 1, 2, 3, 4, 5, 6, 0, 0, 1, 0, 1, 2, 3, 0)

解决方案 #

方法1：Base R 原生实现 #

通过分组计数的思路，先标记0的位置生成分组，再对每组内的行计算间隔：

# 生成分组标识：每遇到一个0就开启新分组
d$group <- cumsum(d$Item == 0)

# 对每个分组计算行索引差，匹配规则生成目标列
d$recent <- ave(seq(nrow(d)), d$group, FUN = function(x) {
  if (x[1] == 1) {
    # 第一行（无前置0）返回NA
    NA
  } else {
    # 分组内行号减去该组第一个0的行号，得到间隔值
    x - x[1]
  }
})

# 清理临时分组列
d$group <- NULL

方法2：dplyr 管道风格实现 #

如果习惯使用tidyverse工具链，可通过分组和条件判断实现：

library(dplyr)

d <- d %>%
  mutate(
    # 标记每个0起始的分组
    group = cumsum(Item == 0),
    # 按规则生成目标列
    recent = case_when(
      row_number() == 1 ~ NA_integer_,
      Item == 0 ~ 0L,
      TRUE ~ row_number() - min(row_number()[group == cur_group()])
    )
  ) %>%
  select(-group)

运行上述任意一种方法后，数据框d将包含符合要求的recent列。

内容的提问来源于stack exchange，提问作者Benjamin Colbert