如何用dplyr引用同一列上一行计算值生成nameCntSpltGrp列？

问题说明 #

需要在dplyr中生成nameCntSpltGrp列，计算逻辑如下：

• 若当前行nameCntSplt > 0，取值为nameCntSplt
• 若当前行Name与上一行Name相同，取值为上一行的nameCntSpltGrp
• 其余情况取值为0

原代码中使用lag()无法实现需求，因为mutate里的lag()引用的是列的原始值，而非逐行计算后的实时结果。

解决方案 #

使用purrr::accumulate()函数逐行计算，该函数可以将上一次的计算结果传递到下一行，完美适配依赖上一行结果的场景。

完整代码 #

library(dplyr)
library(purrr)

myData <- 
  data.frame(
    Name = c("R","R","T","R","N","N"),
    Group = c(0,0,0,0,1,1)
  )

myDataFill <- myData %>%
  group_by(Name, Group) %>% 
  mutate(nameCnt = row_number()) %>% 
  mutate(subGrpRank = ifelse(Group > 0, row_number(), 0)) %>% 
  mutate(nameCntSplt = ifelse(subGrpRank == 1, nameCnt, 0)) %>% 
  ungroup() %>%
  mutate(nameCntSpltGrp = accumulate(
    .x = 1:n(),
    .f = function(prev_val, i) {
      if (nameCntSplt[i] > 0) {
        nameCntSplt[i]
      } else if (Name[i] == Name[i-1]) {
        prev_val
      } else {
        0
      }
    },
    .init = 0
  )[-1]) # 去掉初始值，匹配数据行数

print.data.frame(myDataFill)

代码解释 #

1. accumulate()的.x参数传入行号序列1:n()，用于逐行索引数据
2. .f定义计算逻辑：
   • 当当前行nameCntSplt大于0时，直接取该值
   • 否则判断当前行Name是否与上一行一致，一致则用上一次的计算结果prev_val
   • 其余情况返回0
3. .init = 0设置初始值（对应第0行的虚拟值），最后用[-1]去掉这个初始值，保证结果与原数据行数匹配

运行结果 #

Name Group nameCnt subGrpRank nameCntSplt nameCntSpltGrp
1    R     0       1          0           0              0
2    R     0       2          0           0              0
3    T     0       1          0           0              0
4    R     0       3          0           0              0
5    N     1       1          1           1              1
6    N     1       2          2           0              1

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