基于NextRecord列对DataFrame排序并生成序列分组

核心思路 #

1. 定位分组起始项：每个分组的起点是那些没有被其他记录的NextRecord指向的Record（即该Record值不存在于非NA的NextRecord列中）。
2. 遍历构建序列：从每个起始项出发，沿着NextRecord的指向循环遍历，生成组内的Sequence序号。
3. 合并分组结果：为每个分组分配唯一的Line编号，合并所有分组的序列数据。

代码实现 #

1. 准备示例数据

library(tidyverse)

# 模拟输入数据：包含3条独立序列
df <- tibble(
  Record = c("A", "B", "C", "D", "E", "F"),
  NextRecord = c("B", NA, "D", NA, "F", NA)
)

2. 识别所有分组起始项

# 提取非NA的NextRecord值集合
next_vals <- df$NextRecord[!is.na(df$NextRecord)]
# 找到未被任何NextRecord指向的Record，即为分组起点
start_records <- df$Record[!df$Record %in% next_vals]

3. 编写序列构建函数

该函数接收一个起始Record和原始数据框，返回该分组的完整序列（包含Sequence序号）：

build_sequence <- function(start_rec, df) {
  sequence_rows <- list()
  current_rec <- start_rec
  seq_num <- 1
  visited_records <- c() # 防止循环引用导致无限遍历

  while(!is.na(current_rec) && !current_rec %in% visited_records) {
    visited_records <- c(visited_records, current_rec)
    # 提取当前记录的信息
    current_row <- df %>% filter(Record == current_rec) %>% mutate(Sequence = seq_num)
    sequence_rows[[seq_num]] <- current_row
    
    # 移动到下一条记录
    current_rec <- current_row$NextRecord
    seq_num <- seq_num + 1
  }

  bind_rows(sequence_rows)
}

4. 生成最终结果

遍历所有起始项，自动分配Line编号并合并结果：

final_result <- map_dfr(start_records, build_sequence, df = df, .id = "Line") %>%
  mutate(Line = as.integer(Line)) # 将.id生成的字符型Line转为整数

print(final_result)

输出结果

# A tibble: 6 × 4
  Line Record NextRecord Sequence
  <int> <chr>  <chr>         <int>
1     1 A      B                 1
2     1 B      NA                2
3     2 C      D                 1
4     2 D      NA                2
5     3 E      F                 1
6     3 F      NA                2

可扩展性说明 #

• 支持任意数量的分组：不管数据中有多少条独立序列，只要起始项能被正确识别，就能自动处理。
• 兼容任意长度的序列：函数会自动遍历到NextRecord为NA的终止项。
• 处理循环引用：通过visited_records集合记录已遍历的Record，避免出现A→B→A这类循环导致的无限运行。

内容的提问来源于stack exchange，提问作者JVP