R dplyr实操：基于连续TRUE/FALSE列为聚类组添加分组编号

你可以通过状态切换计数的逻辑实现聚类编号的生成，完整dplyr实现代码如下：

library(dplyr)

# 原始数据构造
dat <- data.frame(
  bar = c(letters[1:10]),
  foo = c(1,2,3,5,8,9,11,13,14,15)
)

# 生成in_cluster列+cluster_number列
dat <- dat %>%
  mutate(
    in_cluster = lead(foo) == foo +1 | lag(foo) == foo -1,
    # 识别聚类起始点：当前是TRUE，前一个是FALSE（首行前值默认设为FALSE）
    cluster_start = in_cluster & !lag(in_cluster, default = FALSE),
    # 累加起始点计数得到聚类编号，非聚类行替换为NA
    cluster_number = ifelse(in_cluster, cumsum(cluster_start), NA)
  ) %>%
  # 移除辅助列
  select(-cluster_start)

运行后输出的dat和预期结果完全一致：

bar foo in_cluster cluster_number
1    a   1       TRUE              1
2    b   2       TRUE              1
3    c   3       TRUE              1
4    d   5      FALSE             NA
5    e   8       TRUE              2
6    f   9       TRUE              2
7    g  11      FALSE             NA
8    h  13       TRUE              3
9    i  14       TRUE              3
10   j  15       TRUE              3

逻辑说明 #

• 用lag(in_cluster, default = FALSE)取上一行的聚类状态，首行默认赋值为FALSE避免NA值干扰
• 当当前行in_cluster为TRUE、上一行为FALSE时，说明是新聚类的起始点，标记为TRUE
• 对所有起始点做累加求和，每遇到一个新起始点计数+1，刚好对应不同聚类的递增编号
• 最后将in_cluster为FALSE的行的编号替换为NA即可

内容的提问来源于stack exchange，提问作者MKR