R语言如何在变量A分组内新序列起始时生成sub_id

问题说明 #

现有如下tibble结构数据：

tibble(
    A = c(1, 2, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4, 4, 5),
    B = c(1, 1, 2, 1, 2, 3, 1, 2, 1, 1, 1, 2, 3, 4, 1, 1),
)

数据预览：

# A tibble: 16 x 2
       A     B
   <dbl> <dbl>
 1     1     1
 2     2     1
 3     2     2
 4     2     1
 5     2     2
 6     2     3
 7     3     1
 8     3     2
 9     3     1
10     3     1
11     4     1
12     4     2
13     4     3
14     4     4
15     4     1
16     5     1

需要实现的效果：以字段A作为分组依据，每当组内出现B=1时作为新序列的起始，生成对应的sub_id字段，期望输出如下：

tibble(
    A = c(1, 2, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4, 4, 5),
    B = c(1, 1, 2, 1, 2, 3, 1, 2, 1, 1, 1, 2, 3, 4, 1, 1),
    sub_id = c(1, 1, 1, 2, 2, 2, 1, 1, 2, 3, 1, 1, 1, 1, 2, 1)
)

输出预览：

# A tibble: 16 x 3
       A     B sub_id
   <dbl> <dbl>  <dbl>
 1     1     1      1
 2     2     1      1
 3     2     2      1
 4     2     1      2
 5     2     2      2
 6     2     3      2
 7     3     1      1
 8     3     2      1
 9     3     1      2
10     3     1      3
11     4     1      1
12     4     2      1
13     4     3      1
14     4     4      1
15     4     1      2
16     5     1      1

实现方法 #

使用tidyverse套件的dplyr库即可实现该逻辑，核心是在A的分组内，对B==1的判断结果做累加求和：

library(tidyverse)

# 构造原始数据
df <- tibble(
    A = c(1, 2, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4, 4, 5),
    B = c(1, 1, 2, 1, 2, 3, 1, 2, 1, 1, 1, 2, 3, 4, 1, 1),
)

# 生成sub_id
df_result <- df %>%
  group_by(A) %>%
  mutate(sub_id = cumsum(B == 1)) %>%
  ungroup()

逻辑说明 #

在每个A的分组内：

• 当B等于1时，B==1返回逻辑值TRUE，对应数值为1；否则返回FALSE，对应数值为0
• 对上述逻辑值序列做累加求和cumsum()，每次遇到B=1时累加值加1，刚好对应新序列的起始标识

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