如何在R中根据Events列中Accident首次出现分配连续组值？

嘿，这个分组需求挺明确的，我给你准备了两种R语言的实现方式，一种用tidyverse里的dplyr（适合习惯管道风格的朋友），另一种用基础R（不用额外装包），你可以根据自己的习惯选～

方法1：用dplyr实现（tidyverse生态） #

首先假设你的数据框名为df，其中包含需要判断的Events列。核心思路是先标记出所有"Accident"的行，再通过滞后累计计数来生成符合要求的组号：

library(dplyr)

# 生成组号
df <- df %>%
  mutate(
    # 标记每行是否为Accident
    is_accident = Events == "Accident",
    # 生成组号：滞后标记后累计求和，再加1确保组号从1开始
    group = cumsum(lag(is_accident, default = 0)) + 1
  )

举个测试例子 #

我们创建一份模拟数据来验证效果：

# 测试数据框
test_df <- tibble(
  Events = c("Normal", "Normal", "Accident", "Normal", "Accident", "Normal", "Normal", "Accident")
)

# 应用分组逻辑
test_df <- test_df %>%
  mutate(
    is_accident = Events == "Accident",
    group = cumsum(lag(is_accident, default = 0)) + 1
  )

# 查看结果
print(test_df)

输出结果完全符合需求：

# A tibble: 8 × 3
  Events   is_accident group
  <chr>    <lgl>       <dbl>
1 Normal   FALSE           1
2 Normal   FALSE           1
3 Accident TRUE            1
4 Normal   FALSE           2
5 Accident TRUE            2
6 Normal   FALSE           3
7 Normal   FALSE           3
8 Accident TRUE            3

方法2：基础R实现（无需额外安装包） #

如果你不想依赖tidyverse包，可以用基础R的方式实现，逻辑和上面完全一致：

# 假设数据框是df
# 第一步：标记Accident行
df$is_accident <- df$Events == "Accident"

# 第二步：生成滞后的标记（模拟dplyr的lag函数）
lag_accident <- c(0, df$is_accident[-nrow(df)])

# 第三步：累计求和生成组号
df$group <- cumsum(lag_accident) + 1

补充说明 #

如果你的数据最后一行不是"Accident"，最后一个组会自动包含从最后一次Accident之后到数据末尾的所有行，这也符合分组的逻辑哦～

内容的提问来源于stack exchange，提问作者TuD