R语言如何为数据框中连续整数段添加带唯一编号的新列

需求说明 #

现有数据框df包含整数列x，需新增列y实现如下规则：

• 相邻行的x值为连续整数时，对应行的y取相同分组编号
• 相邻值不连续时，新的连续段分配递增的新编号

示例数据构造代码：

df = data.frame(x = c(1, 3, 4, 7, 8, 9))

期望输出结果：

x y
1 1 1
2 3 2
3 4 2
4 7 3
5 8 3
6 9 3

实现代码（Base R原生方案，无第三方依赖） #

df$y <- cumsum(c(1, diff(df$x) != 1))

运行代码后可直接得到和期望完全一致的结果。

逻辑说明 #

• diff(df$x)：计算x列相邻元素的差值，返回长度比原列少1的向量，本例中计算结果为2,1,3,1,1
• diff(df$x) != 1：判断相邻值是否不连续，返回布尔向量，TRUE代表当前位置是新连续段的起点，本例计算结果为TRUE, FALSE, TRUE, FALSE, FALSE
• 向量首位补1：因为第一行必然是第一个分组的起点，补位后向量长度和原数据框行数一致
• cumsum()：对布尔向量累加（R中TRUE等价于数值1，FALSE等价于数值0），累加结果就是连续递增的分组编号

注意事项 #

如果原始数据的x列未按升序排列，先执行排序再计算即可，避免分组错误：

df <- df[order(df$x), ]
df$y <- cumsum(c(1, diff(df$x) != 1))

内容的提问来源于stack exchange，提问作者bird