如何在R中按区域将数据按两年间隔分组并新增标识列

实现思路 #

• 步骤1：按区域分组，计算每个区域的最早年份min_year
• 步骤2：基于各区域最早年份，计算每行数据所属的两年间隔起始点：以(年份 - 区域最早年份) %/% 2 * 2 + 区域最早年份得到间隔起始年，间隔结束年为起始年+1
• 步骤3：按「区域+间隔起始年」分组，统计每组内的年份数量，判断是单年还是双年数据，生成对应标签

完整实现代码 #

# 加载依赖包
library(dplyr)

df_result <- df %>%
  # 年份转数值型方便计算
  mutate(year = as.integer(year)) %>%
  # 步骤1：计算每个区域的最早年份
  group_by(region) %>%
  mutate(min_year = min(year)) %>%
  # 步骤2：计算每行所属的两年间隔起止年
  mutate(
    gap_start = min_year + (year - min_year) %/% 2 * 2,
    gap_end = gap_start + 1
  ) %>%
  # 步骤3-4：按分组判断年份数量生成对应标签
  group_by(region, gap_start) %>%
  mutate(
    year_group = if_else(
      n_distinct(year) == 2,
      paste0(gap_start, "-", gap_end),
      as.character(year)
    )
  ) %>%
  # 可选：移除中间计算列，保留原始字段+新生成的分类列
  ungroup() %>%
  select(-min_year, -gap_start, -gap_end)

关键逻辑说明 #

步骤2的核心是用整数除法%/%实现两年间隔的自动分组：和区域最早年份的差值除以2取整，再乘2回推，就能保证同一间隔内的年份对应同一个起始值，完美适配每个区域不同的起始年份要求。

举例：若某区域最早年份为2010，2010、2011与起始年的差值为0、1，除以2取整结果均为0，对应间隔2010-2012；2012、2013差值为2、3，除以2取整结果均为1，对应间隔2012-2013，以此类推。若间隔内仅存在单个年份（如样本中的2019年），则直接保留原年份值作为分类标签。

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