如何在dplyr中处理min_rank变体？实现连续分组的days求和

你这里的问题在于min_rank(strength)是给strength做排名，不管这些相同strength的行是不是连续出现的——而你要的是连续出现的相同name+strength组合才合并求和，所以得换个思路：先给连续的相同组合打上专属分组标识，再按这个标识分组求和。

具体步骤和代码 #

首先确保你的数据是按时间顺序（date列）排列的，因为连续性是基于时间先后的，然后用cumsum()结合lag()来生成连续组的标识：

library(dplyr)

# 假设你的原始数据是df，先按id和date排序保证顺序正确
result_df <- df %>%
  arrange(id, date) %>%
  group_by(id) %>%
  # 生成连续组标识：当name或strength和前一行不同时，组号+1
  mutate(
    continuous_group = cumsum(
      row_number() == 1 |  # 第一行直接归为第1组
      name != lag(name) | 
      strength != lag(strength)
    )
  ) %>%
  # 按id和连续组分组，求和days
  group_by(id, continuous_group) %>%
  summarise(
    name = first(name),    # 同一组内name是相同的，取第一个即可
    strength = first(strength),  # 同理，strength也相同
    sumOfDays = sum(days),
    .groups = "drop"  # 取消分组，避免后续操作受影响
  ) %>%
  # 去掉不需要的continuous_group列，得到预期格式
  select(id, name, strength, sumOfDays)

代码解释 #

1. arrange(id, date)：必须先按id和date排序，否则如果数据乱序，连续的组合会被错误拆分，结果肯定不对。
2. continuous_group生成：用cumsum()累计计数，当遇到第一行，或者当前行的name/strength和上一行（lag()获取前一行值）不同时，计数加1，这样连续的相同name+strength会被分到同一个组里。
3. 分组求和：按id和continuous_group分组，取组内的name和strength（同一组内这些值完全相同），然后对days求和，最后去掉辅助的continuous_group列，就得到你想要的结果了。

验证你的示例数据 #

用你给出的示例数据测试，运行后会得到：

id name strength sumOfDays
1  a    10        60
1  a     5        30
1  a    10        20

完全符合你的预期输出。

内容的提问来源于stack exchange，提问作者hbabbar