如何在data.frame中添加标识连续日期组的列

要实现为数据框添加连续日期分组列的需求，核心是先完成日期格式转换，再按分组逻辑生成连续日期的标识，具体操作如下：

1. 日期格式转换 #

原数据中的date_collection是dd/mm/yyyy格式的字符串，需要转为R可识别的日期类型，两种实现方式任选：

基础R方法 #

mydf$date_collection <- as.Date(mydf$date_collection, format = "%d/%m/%Y")

lubridate包简化写法 #

用lubridate包的dmy()函数可以自动识别日/月/年格式，更便捷：

library(lubridate)
mydf$date_collection <- dmy(mydf$date_collection)

2. 按分组生成连续日期标识 #

按var_name分组后，判断相邻日期的间隔，当间隔大于1天时标记为新分组，最终累加得到分组ID。这里用dplyr包实现分组操作：

library(dplyr)

mydf <- mydf %>%
  arrange(var_name, date_collection) %>% # 先按分组和日期排序
  group_by(var_name) %>%
  mutate(
    # 计算当前日期与上一条日期的差值，第一条数据差值设为0
    date_diff = c(0, diff(date_collection)),
    # 差值大于1时触发新分组，累加生成分组ID
    group_id = cumsum(date_diff > 1) + 1
  ) %>%
  ungroup()

完整可运行代码 #

library(dplyr)
library(lubridate)

# 原始数据
mydf <- data.frame(
  var_name = c(rep("toto",6),rep("titi",5)),
  date_collection = c("09/12/2022","10/12/2022","13/12/2022","16/12/2022","16/12/2022","17/12/2022",
                      "01/12/2022","03/11/2022","04/11/2022","05/11/2022","08/11/2022")
)

# 转换日期格式
mydf$date_collection <- dmy(mydf$date_collection)

# 生成连续日期分组
mydf <- mydf %>%
  arrange(var_name, date_collection) %>%
  group_by(var_name) %>%
  mutate(
    date_diff = c(0, diff(date_collection)),
    group_id = cumsum(date_diff > 1) + 1
  ) %>%
  ungroup()

# 查看结果
print(mydf)

运行后生成的group_id列就是所需的连续日期分组标识，完全匹配你给出的预期输出。

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