如何在Base R或dplyr中统计数据框单列的隐含分组累计数？

现有数据框myDF由以下代码生成：

myDF <- data.frame(index = c(2,2,4,4,6,6,6))

初始状态如下：

> myDF
  index
1     2
2     2
3     4
4     4
5     6
6     6
7     6

需要为该数据框添加cumGrp列，对相邻相同index值的隐含分组进行累计计数，最终效果如下：

> myDF
  index cumGrp   cumGrp explained
1     2      1   1st grouping of same index numbers (2) adjacent to each other
2     2      1   Same as above
3     4      2   2nd grouping of same index numbers (4) adjacent to each other
4     4      2   Same as above
5     6      3   3rd grouping of same index numbers (6) adjacent to each other
6     6      3   Same as above
7     6      3   Same as above

求简洁的Base R或dplyr实现代码。

Base R 实现 #

用cumsum()和diff()就能快速完成：

myDF$cumGrp <- cumsum(c(TRUE, diff(myDF$index) != 0))

说明 #

• diff(myDF$index)计算相邻index的差值，差值不为0就代表切换到了新分组
• 在开头补一个TRUE，确保第一个元素直接归为第1组
• cumsum()把逻辑值（TRUE=1，FALSE=0）累加，自动生成连续相同index的分组编号

dplyr 实现 #

提供两种简洁写法：

方法1：借助data.table的rleid() #

rleid()专门用于生成连续相同值的分组ID，配合dplyr使用很便捷：

library(dplyr)
myDF <- myDF %>% 
  mutate(cumGrp = data.table::rleid(index))

方法2：纯dplyr实现 #

无需额外加载data.table，用lag()和cumsum()组合即可：

library(dplyr)
myDF <- myDF %>% 
  mutate(cumGrp = cumsum(index != lag(index, default = first(index))))

说明 #

• lag(index, default = first(index))获取当前元素的前一个index值，第一个元素的默认前值设为自身
• index != lag(...)判断当前是否切换了分组，生成逻辑向量
• cumsum()累加逻辑值，得到分组编号

内容的提问来源于stack exchange，提问作者Village.Idyot