如何使用dplyr统计数据框中A首次连续出现的序列长度

实现方案（适用于dplyr 1.1.0及以上版本） #

核心使用dplyr内置的consecutive_id函数识别连续值分组，筛选首个A序列后统计长度：

library(dplyr)

# 示例数据框
df <- structure(list(col1 = c("A", "A", "A", "B", "A", "A", "C", "A"
)), class = "data.frame", row.names = c(NA, -8L))

df %>%
  # 为连续相同的col1值分配唯一分组ID
  mutate(seq_group = consecutive_id(col1)) %>%
  # 筛选所有值为A的行
  filter(col1 == "A") %>%
  # 取最早出现的A对应的分组
  filter(seq_group == min(seq_group)) %>%
  # 统计该分组的行数即为目标长度
  summarise(first_A_seq_length = n())

运行后输出结果：

first_A_seq_length
1                  3

低版本dplyr兼容方案 #

如果dplyr版本低于1.1.0没有consecutive_id，可以用cumsum+lag组合实现相同的连续分组逻辑：

df %>%
  mutate(seq_group = cumsum(col1 != lag(col1, default = first(col1)))) %>%
  filter(col1 == "A") %>%
  filter(seq_group == min(seq_group)) %>%
  summarise(first_A_seq_length = n())

内容的提问来源于stack exchange，提问作者TarJae