如何用dplyr统计首次出现值的首个连续块重复次数

嘿，这个需求很明确，我来给你几个实用的R解决方案，不管是用基础包还是tidyverse工具都能搞定！

首先明确问题核心：我们要找到数据框中第一个出现的状态值，然后统计它第一次连续出现的行数——就像你的例子里，第一个值是"A"，它第一次连续出现了3次，所以结果是3。

方法一：用Base R的rle()函数（最简洁） #

rle()（游程编码）是处理连续重复值的神器，它能直接把连续的相同元素打包成“值-长度”对：

# 你的示例数据
DF <- data.frame(state = c(rep("A", 3), rep("B",2), rep("A",2)))

# 1. 获取首次出现的状态值
first_state <- DF$state[1]

# 2. 对state列做游程编码
run_info <- rle(DF$state)

# 3. 找到第一个匹配first_state的连续块长度
result <- run_info$lengths[which(run_info$values == first_state)[1]]

print(result) # 输出：3

原理说明： #

rle(DF$state)会返回一个列表，其中values是连续块的唯一值（你的例子里是c("A", "B", "A")），lengths是对应块的行数（c(3,2,2)）。我们只需要找到values中第一个等于first_state的位置，对应的lengths就是我们要的结果。

这个方法还能完美处理边界情况：

• 如果所有值都相同（比如state = rep("C",5)），结果会是5；
• 如果首次出现的值只出现1次（比如state = c("D", "E", "E")），结果会是1。

方法二：用dplyr（适合tidyverse用户） #

如果你习惯用dplyr的管道语法，也可以这样实现：

library(dplyr)

DF %>%
  # 生成每个连续块的唯一ID：当当前行和上一行不同时，ID+1
  mutate(run_id = cumsum(state != lag(state, default = state[1]))) %>%
  # 筛选出第一个连续块（run_id=1）
  filter(run_id == 1) %>%
  # 统计行数
  nrow()

原理说明： #

cumsum(state != lag(state, default = state[1]))会给每个连续的相同值块分配一个递增的ID，第一个块的ID永远是1。我们筛选出这个块的所有行，统计行数就是结果。

内容的提问来源于stack exchange，提问作者HowardA