R语言标记两列交叉值在各列首次出现的实现方法

实现思路 #

先按行的先后顺序，记录所有值第一次出现的对应行号，再分别匹配x、y列的每个值，判断当前行号是否等于该值首次出现的行号即可。

完整代码 #

library(dplyr)

# 构造示例数据
df <- tibble(x = c(1, 2, 2, 3, 7), y = c(7, 7, 8, 9, 10))

# 生成按行交错的所有值序列，统计每个值首次出现的行号
all_vals <- c(rbind(df$x, df$y))
first_occur_row <- tibble(val = all_vals) %>%
  mutate(row = (row_number() + 1) %/% 2) %>%
  group_by(val) %>%
  slice_min(row, n = 1) %>%
  ungroup() %>%
  deframe()

# 新增标记列
df <- df %>%
  mutate(
    first_occurance_x = row_number() == first_occur_row[as.character(x)],
    first_occurance_y = row_number() == first_occur_row[as.character(y)]
  )

输出结果 #

print(df)
#> # A tibble: 5 × 4
#>       x     y first_occurance_x first_occurance_y
#>   <dbl> <dbl> <lgl>             <lgl>            
#> 1     1     7 TRUE              TRUE             
#> 2     2     7 TRUE              FALSE            
#> 3     2     8 FALSE             TRUE             
#> 4     3     9 TRUE              TRUE             
#> 5     7    10 FALSE             TRUE

如果你需要输出的是0/1的数值型标记而非逻辑值，只需要在mutate时把判断结果用as.integer()包裹即可。

内容的提问来源于stack exchange，提问作者John-Henry