根据最后出现情况修正数据框中机器操作序列

原数据 #

df <- data.frame(
  Machine_ID= c(1,1,1,1,2,2,2,2,2,2,3,3,3),
  Operation = c("Start", "Stop", "Start", "Stop", "Stop", "Stop", "Start", "Stop", "Start", "Stop", "Start", "Stop", "Start")
)

需求说明 #

• 每台机器的操作次数为偶数
• 严格遵循Start与Stop成对的序列规则
• 修正开头错误的Stop，补充末尾缺失的Stop

高效实现代码（基于dplyr） #

无需循环，利用分组向量化操作处理，适合大数据集：

library(dplyr)

corrected_df <- df %>%
  group_by(Machine_ID) %>%
  summarise(
    Operation = {
      ops <- Operation
      # 修正开头的错误Stop：将首项Stop替换为Start，保证第一对有效
      if (length(ops) >= 1 && ops[1] == "Stop") {
        ops[1] <- "Start"
      }
      # 将序列拆分为两两一组，确保每组都是Start/Stop，奇数长度则补Stop
      paired_groups <- split(ops, ceiling(seq_along(ops) / 2))
      fixed_pairs <- lapply(paired_groups, function(group) {
        if (length(group) == 1) {
          c(group, "Stop")
        } else {
          c("Start", "Stop")
        }
      })
      unlist(fixed_pairs)
    },
    .groups = "drop"
  ) %>%
  # 重置行号匹配期望格式
  mutate(` ` = row_number()) %>%
  select(` `, Machine_ID, Operation)

# 查看结果
print(corrected_df, row.names = FALSE)

输出结果 #

Machine_ID Operation
1           1     Start
2           1      Stop
3           1     Start
4           1      Stop
5           2     Start
6           2      Stop
7           2     Start
8           2      Stop
9           2     Start
10          2      Stop
11          3     Start
12          3      Stop
13          3     Start
14          3      Stop

方案优势 #

• 避免循环操作，利用dplyr的分组优化逻辑，处理大规模数据时性能远高于循环
• 逻辑清晰，通过分组拆分+组内修正，确保每台机器的序列严格符合成对规则
• 自动处理奇数长度的序列，补充缺失的Stop

内容的提问来源于stack exchange，提问作者onhalu