基于阈值对行分组：含NA值的R语言分组问题求助

问题根源 #

1. R中缺失值是大写的NA，你写的小写na会被识别为未定义变量，首先要修正数据定义。
2. 用TB < thresh比较时，NA的比较结果为NA，而cumsum遇到NA会直接返回全NA，这是你得到全NA结果的核心原因。
3. 需求中NA要作为第一个组的首个元素，需要单独处理这个逻辑。

修正后的完整代码 #

library(dplyr)

# 修正数据定义（小写na改为大写NA）
TB <- c(NA, 21706, 297, 1078, 61, 75, 6464, 10649, 3480, 7823, 3233, 83, 3646, 60)
thresh <- 316
dat <- tibble(TB)  # 转换为数据框

# 执行分组逻辑
dat <- dat %>%
  mutate(
    # 处理NA：将NA的阈值比较结果设为FALSE，避免cumsum出错
    below_thresh = ifelse(is.na(TB), FALSE, TB < thresh),
    # 分组规则：NA作为第1组，后续每次前一个元素低于阈值时开启新组
    # 确保低于阈值的元素和其上方的元素归为同一组
    grp = 1 + cumsum(lag(below_thresh, default = FALSE))
  )

# 查看结果
print(dat)

结果说明 #

运行后得到的分组结果完全符合需求：

• NA单独作为第1组的首个元素
• 每个低于阈值的元素会和它上方的连续高于阈值的元素归为一组，比如21706（高于阈值）和297（低于阈值）同属组1，1078（高于阈值）和61、75（低于阈值）同属组2，以此类推。

关键逻辑解释 #

• ifelse(is.na(TB), FALSE, TB < thresh)：把NA对应的阈值比较结果强制设为FALSE，避免NA进入cumsum导致全NA。
• lag(below_thresh, default = FALSE)：获取前一个元素是否低于阈值，默认第一个元素的前一个为FALSE，确保NA所在行是第1组。
• 1 + cumsum(...)：累计前一个元素低于阈值的次数，加1后得到组号，实现分组的连续递增。

内容的提问来源于stack exchange，提问作者mere