R语言：按id与gr分组筛选满足位置A→B→A序列的分组数据框行

核心逻辑 #

• 严格以id+gr作为分组唯一键，避免跨组序列混算
• 对每个分组的位置序列做连续同值压缩：把连续停留的重复位置合并为单节点，剔除无移动的无效占位，得到只包含位置变化的精简序列
• 在精简序列中识别标准的A→B→A模式：连续三个位置节点满足「首节点≠中间节点，中间节点≠尾节点，首节点=尾节点」
• 提取所有命中规则的(id, gr)组合作为输出

可直接运行的完整代码 #

library(dplyr)

# 示例数据集
df <- data.frame(
  id = c(1,1,1,1,1,1,1,2,2,2,2,2,4,4,4,4,4,4,4,4),
  gr = c(1,1,1,1,1,1,1,1,1,1,1,1,1,4,4,4,4,4,4,4),
  loc = c(5,5,4,4,5,5,5,3,3,3,3,2,2,2,2,3,3,2,2,2)
)

# 模式识别流程
out <- df %>%
  group_by(id, gr) %>%
  # 压缩连续重复的同位置
  mutate(
    loc_seq = case_when(
      row_number() == 1 ~ loc,
      loc == lag(loc) ~ NA_integer_,
      T ~ loc
    )
  ) %>%
  filter(!is.na(loc_seq)) %>%
  # 检查是否存在A→B→A的连续模式
  summarise(
    is_match = any(
      loc_seq != lead(loc_seq) &
      lead(loc_seq) != lead(loc_seq, n = 2) &
      loc_seq == lead(loc_seq, n = 2),
      na.rm = T
    )
  ) %>%
  filter(is_match) %>%
  select(id, gr)

运行结果 #

执行上述代码后得到的输出与期望完全一致：

> out
# A tibble: 2 × 2
     id    gr
  <dbl> <dbl>
1     1     1
2     4     4

之前方案失效的原因说明 #

• 直接使用全局diff计算位置差，未绑定分组维度，会把跨组的位置序列拼接计算，出现逻辑错误
• 未做连续同值压缩时，连续停留的重复位置会被当成独立节点，导致位置差序列出现大量0值，无法有效定位真实移动节点
• 单按id分组不符合业务规则：同一id在不同gr下是完全独立的观测序列，必须双维度分组才能保证序列边界正确

内容的提问来源于stack exchange，提问作者Anna