用dplyr实现按id分组判断string是否等于组内任意历史滞后值

• 处理规则：按id字段完成数据集分组后，逐行判断当前行的string值，是否在同分组内排在当前行之前的任意行中出现过
• 适配场景：各组样本数量不固定，无预设组长度假设
• 实现优先级：优先采用dplyr语法完成逻辑开发

输入输出匹配示例 #

示例输入数据集代码：
df <- data.frame(id = c(1,1,1,1,2,2,2), string = c('a','b','b','a','a','a','b'))
对应期望输出结果：c(FALSE, FALSE, TRUE, TRUE, FALSE, TRUE, FALSE)

可直接运行的实现代码 #

# 加载dplyr包
library(dplyr)
# 完成分组计算
df <- df %>%
  group_by(id) %>%
  # 生成标记列：判断当前值是否在同组既往行中出现过
  mutate(is_repeated = duplicated(string)) %>%
  ungroup()

实现逻辑说明 #

• group_by(id)会自动适配不同长度的分组样本，不需要提前设定每组的行数
• 组内的duplicated(string)函数逐行计算：当当前行的string值在组内从首行到当前行上一行的区间中已存在时，返回TRUE，否则返回FALSE
• 运行代码后生成的is_repeated列取值，与示例期望结果完全匹配

内容的提问来源于stack exchange，提问作者Jirka Čep