基于If条件与Mutate创建列：代码未达预期输出，是否存在错误？

你的代码确实存在几个关键问题，导致无法得到预期结果，我来逐一拆解并给出修正方案：

1. Base R if 语句处理向量条件的错误 #

你用 rd_3$results.cluster=='Visitor' | rd_3$results.cluster=='Employee' 作为 if 的判断条件，但这个表达式返回的是与数据框行数一致的逻辑向量（每一行对应一个TRUE/FALSE）。而Base R的if语句只能接受长度为1的逻辑值，此时R会自动只取向量的第一个元素来判断分支，这就意味着：

• 如果数据框第一行的results.cluster是Visitor/Employee，只会执行第一个分支，所有行都按这个逻辑处理（不管实际cluster是什么）
• 如果第一行是Guest，只会执行第二个分支，同样所有行都套用Guest的逻辑
• 如果第一行是其他值，两个分支都不会执行，visit_no.列根本不会被创建

这完全不符合你"按不同cluster分别处理"的需求。

2. 分组逻辑的不合理性 #

在第一个分支中，你按device_id, hotel, start_date分组，这意味着每个分组内的start_date都是完全相同的。此时diff.Date(start_date) > 0的结果全是FALSE，cumsum(c(T, diff.Date(start_date) > 0))的结果就会全是1，根本无法实现"按日期递增计数访问次数"的目的。这显然是分组逻辑写错了，你应该按device_id, hotel分组，然后在组内根据start_date的差异计算访问次数。

修正后的代码 #

我们可以用dplyr的case_when结合分组操作，实现按不同cluster分别计算visit_no.的需求，同时避免上述问题：

library(dplyr)

# 先按device_id和hotel分组，再根据cluster类型计算visit_no.
rd_3 <- rd_3 %>%
  group_by(device_id, hotel) %>%
  mutate(
    visit_no. = case_when(
      # 对Visitor和Employee：相邻日期不同则计数+1
      results.cluster %in% c("Visitor", "Employee") ~ cumsum(c(TRUE, diff(start_date) > 0)),
      # 对Guest：相邻日期差超过1天则计数+1
      results.cluster == "Guest" ~ cumsum(c(TRUE, diff(start_date) > 1)),
      # 处理其他未定义的cluster类型，返回NA
      TRUE ~ NA_integer_
    )
  ) %>%
  ungroup() # 取消分组（如果后续不需要保留分组状态的话）

代码说明： #

• 用group_by(device_id, hotel)确保我们是对同一个设备、同一个酒店的记录进行访问次数计数
• case_when可以针对每一行的results.cluster值应用不同的计算逻辑，完美替代原来的错误if分支
• diff(start_date)直接计算相邻行的日期差，不需要额外调用diff.Date（dplyr会自动处理日期类型）
• 最后用ungroup()取消分组，避免后续操作受到分组状态的影响

如果你的原始需求确实需要对Visitor/Employee按start_date额外分组（虽然看起来不合理），可以调整分组逻辑为group_by(device_id, hotel, results.cluster)，再在case_when中处理不同的计数规则，但我更倾向于上面的修正方案，因为它更符合"按用户类型统计同一设备在酒店的访问次数"的常规需求。

内容的提问来源于stack exchange，提问作者Yogesh Kumar