在R语言中不使用group_by处理单列：保留每组首个TRUE其余设为NA

现有一列a仅包含NA和TRUE两种值，需要生成新列a_deduplicated，规则为：保留每段连续TRUE中的第一个TRUE，其余TRUE设为NA，且无其他列可用于分组。

示例效果如下：

测试用数据集：

df <- structure(list(a = c(NA, NA, NA, TRUE, TRUE, NA, TRUE, TRUE, TRUE, NA, NA, TRUE, TRUE, TRUE, TRUE), 
                      a_deduplicated = c(NA, NA, NA, TRUE, NA, NA, TRUE, NA, NA, NA, NA, TRUE, NA, NA, NA)), class = c("tbl_df","tbl", "data.frame"), 
 row.names = c(NA, -15L))

方法1：Base R 原生实现（利用rle()） #

rle()函数能快速识别连续重复的序列，适合处理这类连续值标记需求：

# 复制原数据避免修改原始数据
df_result <- df

# 对a列进行游程编码
rle_obj <- rle(df_result$a)

# 生成目标列的标记向量
output_vec <- unlist(Map(function(val, len) {
  if (isTRUE(val)) {
    c(TRUE, rep(NA, len - 1))
  } else {
    rep(NA, len)
  }
}, rle_obj$values, rle_obj$lengths))

# 赋值给新列
df_result$a_deduplicated <- output_vec

方法2：Tidyverse 实现（dplyr包） #

如果日常使用tidyverse工具链，可以通过lag()函数对比前后行的值来实现：

library(dplyr)

df_result <- df %>%
  mutate(
    a_deduplicated = if_else(
      condition = a == TRUE & lag(a, default = FALSE) != TRUE,
      true = TRUE,
      false = NA
    )
  )

验证结果 #

运行任意一种方法后，可通过以下代码验证结果是否符合预期：

all.equal(df_result$a_deduplicated, df$a_deduplicated)
# 输出 TRUE 则表示匹配成功

内容的提问来源于stack exchange，提问作者Oluf Sändrostrom