如何用tidyverse/dplyr按学生分组追踪课程后续学习路径？

用tidyverse/dplyr可以通过分组排序+超前函数轻松实现需求，以下是完整代码和步骤说明：

1. 构造示例数据 #

先还原输入数据集：

library(tidyverse)

# 构造原始数据
df <- tibble(
  InvoiceDate = ymd(c("2020-07-26", "2020-11-05", "2021-11-05", 
                      "2018-10-15", "2020-08-06", "2021-10-10")),
  StudentName = factor(c("Tom", "Tom", "Tom", "Mary", "Mary", "Mary")),
  Course = factor(c("Level 1", "Level 2", "Level 3", 
                    "Level 1", "Level 2", "Level 2"))
)

2. 转换为目标数据集 #

核心逻辑是按学生分组→按日期排序→用lead()获取下一个课程信息→替换空值为Stop：

result <- df %>%
  # 按学生分组，确保每个学生的课程单独处理
  group_by(StudentName) %>%
  # 按课程购买日期升序排列，保证时间顺序正确
  arrange(InvoiceDate, .by_group = TRUE) %>%
  # 用lead获取下一个课程和对应的日期，最后一行会返回NA
  mutate(
    FollowUpCourse = lead(Course),
    FollowUpCourseDate = lead(InvoiceDate)
  ) %>%
  # 将NA替换为"Stop"，先转字符类型避免因子报错
  mutate(
    FollowUpCourse = ifelse(is.na(FollowUpCourse), "Stop", as.character(FollowUpCourse)),
    FollowUpCourseDate = ifelse(is.na(FollowUpCourseDate), "Stop", as.character(FollowUpCourseDate))
  ) %>%
  # 重命名列名匹配期望输出
  rename(
    FullName = StudentName,
    StartCourseDate = InvoiceDate,
    StartCourse = Course
  ) %>%
  # 取消分组
  ungroup() %>%
  # 按需转回因子类型（可选）
  mutate(
    FullName = factor(FullName),
    StartCourse = factor(StartCourse),
    FollowUpCourse = factor(FollowUpCourse)
  )

3. 输出结果 #

运行后得到的result即为目标格式：

print(result)
# # A tibble: 6 × 5
#   FullName StartCourseDate StartCourse FollowUpCourse FollowUpCourseDate
#   <fct>    <date>          <fct>       <fct>          <chr>             
# 1 Tom      2020-07-26      Level 1     Level 2        2020-11-05        
# 2 Tom      2020-11-05      Level 2     Level 3        2021-11-05        
# 3 Tom      2021-11-05      Level 3     Stop           Stop              
# 4 Mary     2018-10-15      Level 1     Level 2        2020-08-06        
# 5 Mary     2020-08-06      Level 2     Level 2        2021-10-10        
# 6 Mary     2021-10-10      Level 2     Stop           Stop

关键说明 #

• arrange(InvoiceDate, .by_group = TRUE)：必须加.by_group = TRUE，确保排序在每个学生组内进行，而非全局排序。
• lead()函数：用于获取当前行的下一行数据，最后一行无后续行，返回的NA就是需要标记为Stop的情况。
• 因子类型处理：原始Course为因子，直接替换NA会报错，因此先转字符类型替换后，再按需转回因子。

内容的提问来源于stack exchange，提问作者user2133561