R data.table计算城市flag=1前后连续0的中位数与Excel结果不符

让我们先梳理下你的需求：按城市计算所有连续flag=0分组对应的Sales和Count的中位数，你的Excel结果显示纽约的第一个连续0组中位数是Sales=6616、Count=26，但R代码输出的结果不符，问题出在代码的筛选逻辑上，我们一步步来分析：

问题根源 #

你的原代码用rleid(flag) %% 2 == 1来筛选连续0的组，这个逻辑有个致命缺陷：它默认每个城市的第一个flag是0，所以奇数的rleid对应0的组。但看你的数据，纽约的第一个flag是1，这时候奇数rleid对应的是flag=1的组，偶数rleid才是flag=0的组——这就导致你错误地计算了flag=1组的中位数，而漏掉了真正需要的flag=0组。

看纽约的连续分组情况：

纽约的flag序列：1,1,0,0,0,0,0,0,0,1,0,0,1,1,0
对应的rleid(flag)：1,1,2,2,2,2,2,2,2,3,4,4,5,5,6
其中rleid=2、4、6才是flag=0的连续组，而你的代码选了rleid=1、3、5（都是flag=1的组），自然结果不对。

修正后的代码 #

我们需要先在分组时保留每个组的flag值，直接筛选flag=0的组，这样不管每个城市的第一个flag是什么，都能准确命中目标组：

library(data.table)

# 读取你的数据（这里直接用fread加载，你也可以用自己的数据源）
dt <- fread("Group, Sales,flag,Count
Paris,6738,0,15
Paris,5235,1,23
Paris,5907,1,15
Paris,5527,0,28
Paris,6934,1,27
Paris,6757,0,20
Paris,5394,1,31
Paris,5379,0,36
Paris,6266,1,40
Paris,5512,1,39
Paris,6506,1,29
Paris,5006,1,22
Paris,6465,1,17
Paris,6653,0,38
Paris,6719,0,12
New York,5333,1,19
New York,6763,1,37
New York,6468,0,32
New York,6923,0,34
New York,6705,0,16
New York,6542,0,11
New York,6497,0,19
New York,6616,0,27
New York,6788,0,26
New York,5876,1,33
New York,5382,0,40
New York,5688,0,34
New York,6667,1,20
New York,5929,1,28
New York,6096,0,30")

# 核心逻辑：按城市+连续flag分组，保留组内flag值，筛选flag=0的组计算中位数
result <- dt[, .(
  group_flag = first(flag),  # 保留当前连续组的flag值
  median_Sales = median(Sales),
  median_Count = median(Count)
), by = .(City = Group, rleid_flag = rleid(flag))][group_flag == 0, .(City, median_Sales, median_Count)]

print(result)

修正后的输出 #

运行上面的代码，你会得到和Excel一致的结果：

City median_Sales median_Count
 1:     Paris       6738.0         15.0
 2:     Paris       5527.0         28.0
 3:     Paris       6757.0         20.0
 4:     Paris       5379.0         36.0
 5:     Paris       6686.0         25.0
 6: New York       6616.0         26.0
 7: New York       5535.0         37.0
 8: New York       6096.0         30.0

其中纽约的第一个连续0组中位数完全符合你的预期。

内容的提问来源于stack exchange，提问作者Jay