R语言按ID分组统计response列连续1序列并生成分组编号

核心逻辑 #

• 不要同时按id和response分组，这会把同id下所有的1合并计算，导致连续段识别错误
• 仅按id分组后，先识别每一段连续1的起始位置：当前行response为1、且前一行response为0
• 对起始位置做累积和，得到每段连续1的递增编号，最后将response为0的行编号替换为0即可

完整可运行代码 #

library(dplyr)

# 示例数据
df1 <- data.frame(row = c(1:13),
                  date = seq.Date(as.Date("2021-10-06"), as.Date("2021-10-18"), "day"),
                  id = rep("A", times = 13),
                  response = c(1, 0, 1, 0, 0, 1, 1, 1, 1, 0, 1, 0, 0),
                  want_group = c(1, 0, 2, 0, 0, 3, 3, 3, 3, 0, 4, 0, 0) )
df2 <- data.frame(row = c(14:26),
                  date = seq.Date(as.Date("2021-10-06"), as.Date("2021-10-18"), "day"),
                  id = rep("B", times = 13),
                  response = c(0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 1, 1, 1),
                  want_group = c(0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 2, 2, 2) ) 
df <- rbind(df1, df2)

# 计算目标分组列
df_result <- df %>%
  group_by(id) %>%
  mutate(
    # 标记连续1段的起始位置，default=0处理每个id第一行是1的边界情况
    new_block = response == 1 & lag(response, default = 0) == 0,
    # 累积和得到连续段编号
    group_id = cumsum(new_block),
    # 0值行编号重置为0
    group_id = ifelse(response == 0, 0, group_id)
  ) %>%
  ungroup()

# 如果需要额外计算每段内的累积计数（你期望的cs_res效果），追加以下逻辑
df_result <- df_result %>%
  group_by(id, group_id) %>%
  mutate(cs_res = ifelse(group_id == 0, 0, sequence(n()))) %>%
  ungroup()

结果验证 #

输出的group_id和你示例中的want_group完全一致，cs_res也符合按段累计的要求。

内容的提问来源于stack exchange，提问作者Alexander