R中基于多条件为现有dataframe新增行列的实现（土地利用分类场景）

你可以结合dplyr和tidyr的长表转换、分组比较函数实现需求，全程向量化运算，比循环效率高很多，适合大体积数据集使用。

实现代码 #

library(dplyr)
library(tidyr)

df_result <- df_old %>%
  # 把年份列转为长表
  pivot_longer(cols = starts_with("Year"), 
               names_to = "Year", 
               values_to = "Landuse_code") %>%
  # 提取年份数值
  mutate(Year = as.integer(gsub("Year", "", Year))) %>%
  # 按ID分组处理单个地块的变化
  group_by(ID) %>%
  # 标记当前编码和上一监测年份是否发生变化
  mutate(change = lag(Landuse_code, default = first(Landuse_code)) != Landuse_code,
         # 给每个连续相同编码的时间段分配唯一分组ID
         period_id = cumsum(change)) %>%
  # 按时间段分组合并计算起止年份
  group_by(ID, period_id, Parameter, City, Area) %>%
  summarise(Start_Year = min(Year),
            End_Year = max(Year),
            pre_code = first(Landuse_code),
            cur_code = last(Landuse_code),
            .groups = "drop") %>%
  # 按规则调整结束年份和Landuse拼接字段
  mutate(End_Year = ifelse(End_Year == 2015, "present", as.character(End_Year - 1)),
         Landuse = paste0(pre_code, "-", cur_code)) %>%
  # 选择输出所需列
  select(ID, Parameter, City, Area, Start_Year, End_Year, Landuse)

方案说明 #

• 第一步先把宽格式存储的年份列转为长格式，方便逐行对比不同监测年份的土地编码变化
• 通过lag()偏移函数对比当前行和上一行的土地编码，识别出编码发生变更的节点
• 用cumsum()累加变化标记，给连续相同编码的时间段分配唯一的分组ID，同一时间段的所有行可以合并为一条记录
• 最后按照需求处理起止年份：如果结束年份是最新的2015年就替换为present，其余阶段的结束年份为下一阶段起始年份减1，再拼接出Landuse字段即可

如果数据集体量特别大，还可以换成data.table语法实现，运算速度会比tidyverse系更快。

内容的提问来源于stack exchange，提问作者Cam