R语言按固定周跨度分块数据并生成period分组列方法

完全不需要写复杂的逐行遍历逻辑，核心计算用基础R的向量化运算一行就能搞定，你提到的rep函数也可以实现，1.3万行的数据规模跑起来没有任何性能问题。

最简实现（推荐） #

你的分组规则本质是每N个连续周归为同一周期，周期编号从1开始累加，用向上取整除法直接计算即可，拿你给出的3周为一个周期的示例测试：

# 示例周序列
weeks <- c(1, 1, 1, 2, 2, 3, 3, 4, 5, 5, 6, 6, 6)
df <- data.frame(week = weeks)

# 设定周期长度
period_len <- 3
# 核心计算
df$period <- ceiling(df$week / period_len)

运行结果和你给出的期望输出完全一致：

> df
   week period
1     1      1
2     1      1
3     1      1
4     2      1
5     2      1
6     3      1
7     3      1
8     4      2
9     5      2
10    5      2
11    6      2
12    6      2
13    6      2

你的全量数据共207周，直接把period_len改成你需要的周期长度就行，不管是3周、4周还是其他值都通用。

用rep函数的实现方式 #

如果你想显式生成周和周期的映射关系（比如后续要手动调整个别周期的划分规则），可以用rep先生成映射表再匹配回原数据：

max_week <- max(df$week, na.rm = TRUE)
# 生成每个周数对应的周期编号
period_mapping <- rep(1:ceiling(max_week/period_len), each = period_len)[1:max_week]
# 按week值匹配周期
df$period <- period_mapping[df$week]

这个方法的灵活性更高，比如最后一个周期不足设定长度、某几周需要单独归为特殊周期，直接修改period_mapping向量即可，不用调整核心计算逻辑。

关于你写的遍历映射框架 #

你目前写的函数框架有两个明显问题：

• 输出向量初始化的类型参数错误，R中不存在"vector_of_weeks"这个存储类型，存整数周期编号直接用integer()初始化即可
• 遍历逻辑写反了：seq_along(df)是按数据框的列遍历，你实际需要处理的是week列的每一行值

如果一定要套用映射遍历的写法，传入的核心逻辑非常简单，就是单值的向上取整除法：

mapPeriod <- function(week_col, period_len = 3, fun) {
  out <- integer(length(week_col))
  for (i in seq_along(week_col)) {
    out[i] <- fun(week_col[i], period_len)
  }
  out
}

# 传入的核心计算函数
calc_period <- function(week_num, pl) {
  ceiling(week_num / pl)
}

# 调用方式
df$period <- mapPeriod(df$week, period_len = 3, fun = calc_period)

不过实话说，R的向量化运算本身比逐行循环效率高很多，代码也更简洁，1.3万行的数据哪怕循环跑也不会慢，但完全没必要特意套一层遍历映射的壳。

特殊场景适配 #

如果你的周数存在断档（不是从1到207连续无缺值），又希望按实际出现的周的顺序连续划分周期，可以先把周数转为连续的整数序列再计算：

df$period <- ceiling(as.integer(factor(df$week)) / period_len)

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