基于连续零长度条件移除R数据框按id分组的var1列末尾连续零

云上老周

2026-9-25

实现思路

按id字段对数据框分组处理
对每组的var1序列，通过游程编码（RLE）统计两类指标：全组所有连续0序列的最大长度、末尾连续0的长度
若末尾连续0长度≥全组最大连续0长度，则截断末尾的连续0，否则保留原组全部数据

代码实现

方法1：dplyr + 自定义处理函数

library(dplyr)

# 定义单组序列处理函数
trim_tail_zeros <- function(x) {
  rle_x <- rle(x)
  # 无0的情况直接返回原序列
  zero_runs <- rle_x$lengths[rle_x$values == 0]
  if (length(zero_runs) == 0) return(x)
  
  max_zero_len <- max(zero_runs)
  # 末尾不是0直接返回
  if (tail(rle_x$values, 1) != 0) return(x)
  
  tail_zero_len <- tail(rle_x$lengths, 1)
  # 符合截断条件则删除末尾连续0
  if (tail_zero_len >= max_zero_len) {
    keep_n <- sum(head(rle_x$lengths, -1))
    return(x[1:keep_n])
  } else {
    return(x)
  }
}

# 分组处理数据
df_result <- df %>%
  group_by(id) %>%
  filter(seq_along(var1) <= length(trim_tail_zeros(var1))) %>%
  ungroup()

方法2：base R 实现（无需额外包）

df_result <- do.call(rbind, lapply(split(df, df$id), function(sub_df) {
  x <- sub_df$var1
  rle_x <- rle(x)
  zero_runs <- rle_x$lengths[rle_x$values == 0]
  if (length(zero_runs) == 0) return(sub_df)
  max_zero_len <- max(zero_runs)
  if (tail(rle_x$values,1) !=0 ) return(sub_df)
  tail_zero_len <- tail(rle_x$lengths,1)
  if (tail_zero_len >= max_zero_len) {
    keep_n <- sum(head(rle_x$lengths, -1))
    return(sub_df[1:keep_n, ])
  } else {
    return(sub_df)
  }
}))
rownames(df_result) <- NULL