使用dplyr为不同类型分组分配独立编号，非适用组设0

问题描述 #

给定如下数据：

example_data <- 
  data.frame(value = c(1,3,4,6,7,8,4,6,9,0),
             group = c("Not applicable",
                       "Large group",
                       "Large group",
                       "Not applicable",
                       "Group of 1",
                       "Large group",
                       "Large group",
                       "Large group",
                       "Group of 1",
                       "Not applicable"))

需要实现：

• 为"Large group"和"Group of 1"的每个连续块分配从1开始的独立递增编号
• "Not applicable"对应的编号固定为0
• 其中"Not applicable"可连续多行，"Group of 1"始终单行，"Large group"可任意行数

期望输出：

value          group group_number
1      1 Not applicable            0
2      3    Large group            1
3      4    Large group            1
4      6 Not applicable            0
5      7     Group of 1            2
6      8    Large group            3
7      4    Large group            3
8      6    Large group            3
9      9     Group of 1            4
10     0 Not applicable            0

之前尝试的代码将"Large group"和"Group of 1"视为同一类，导致编号重复：

example_data %>%
  mutate(group_number = with(rle(group != "Not applicable"), 
                      rep(cumsum(values) * values, lengths)))

解决方案 #

方法1：基于rle()函数实现 #

通过识别每个连续的分组块，为非"Not applicable"的块分配独立编号：

library(dplyr)

example_data %>%
  mutate(
    group_number = with(rle(group), {
      # 为每个连续组块分配编号：Not applicable为0，其余按出现顺序递增
      block_ids = ifelse(values == "Not applicable", 0, 
                        which(values != "Not applicable"))
      # 将编号按组块长度重复，映射到每一行
      rep(block_ids, lengths)
    })
  )

思路说明

1. rle(group)返回连续分组的核心信息：values是每个连续块的组名，lengths是每个块的行数
2. 创建block_ids向量：对"Not applicable"块赋值0，对其他块按出现顺序分配1、2、3...的编号
3. 用rep(block_ids, lengths)将每个块的编号重复对应行数，得到每行的group_number

方法2：基于dplyr窗口函数实现 #

无需依赖rle()，用窗口函数标记新组块并累计编号：

library(dplyr)

example_data %>%
  mutate(
    # 标记新的非Not applicable组块的起始行
    new_block = group != "Not applicable" & (row_number() == 1 | group != lag(group)),
    # 累计非Not applicable组块的数量，Not applicable行赋值0
    group_number = cumsum(new_block) * (group != "Not applicable")
  )

思路说明

1. new_block标记规则：当前行属于非"Not applicable"，且要么是第一行，要么和上一行组名不同（即新组块的开始）
2. cumsum(new_block)累计新组块的数量，再乘以(group != "Not applicable")，将"Not applicable"行的编号置为0

验证结果 #

两种方法都能得到符合期望的输出：

value          group group_number
1      1 Not applicable            0
2      3    Large group            1
3      4    Large group            1
4      6 Not applicable            0
5      7     Group of 1            2
6      8    Large group            3
7      4    Large group            3
8      6    Large group            3
9      9     Group of 1            4
10     0 Not applicable            0

内容的提问来源于stack exchange，提问作者Polina B