在R中生成Repeat变量：统计同一ID连续日期score>0的次数

先还原示例数据：

需求规则：按id分组，同一组内，若当前行score > 0，则Repeat为前一行Repeat值加1（组内第一行符合条件则为1）；若score <= 0，则Repeat直接置为0。

方法一：使用dplyr（tidyverse生态） #

向量化处理效率更高，适合大数据集：

library(dplyr)

# 假设数据框名为df，先确保按id和日期排序（关键前提）
df <- df %>%
  arrange(id, date) %>%
  group_by(id) %>%
  mutate(
    # 标记当前score是否为正
    is_positive = score > 0,
    # 生成连续分组ID：每次遇到非正score时分组ID递增，将连续正score的行归为一组
    run_group = cumsum(!is_positive),
    # 每组内生成递增序号，非正score的行置0
    Repeat = ifelse(is_positive, row_number(run_group), 0)
  ) %>%
  # 移除中间辅助变量
  select(-is_positive, -run_group) %>%
  ungroup()

方法二：Base R实现（无需第三方包） #

适合不想加载额外包的场景：

# 先按id和date排序，保证顺序正确
df <- df[order(df$id, df$date), ]

# 初始化Repeat列
df$Repeat <- 0

# 遍历每个唯一id
for (current_id in unique(df$id)) {
  # 获取当前id对应的行索引
  id_rows <- which(df$id == current_id)
  current_count <- 0
  
  for (row_idx in id_rows) {
    if (df$score[row_idx] > 0) {
      current_count <- current_count + 1
      df$Repeat[row_idx] <- current_count
    } else {
      current_count <- 0
      df$Repeat[row_idx] <- 0
    }
  }
}

两种方法都能生成符合要求的Repeat列，验证后结果与示例表格一致。

内容的提问来源于stack exchange，提问作者J L