如何在R中为连续出现的同值数据组生成子因子/唯一标记？

针对你的需求，我们可以通过识别连续出现的相同分组块，为每个块分配唯一的子分组标记，这样就能单独计算每个子块的统计量（比如平均值）。下面提供两种实现方法，分别基于tidyverse工具链和base R，都能达到你的目标。

首先整理示例数据 #

先把你给出的示例数据转换成R可处理的数据框：

df <- data.frame(
  value = c(1,5,2,3,2,5,2,1,3,2,5,5,6,6,2,1,0,3,3,2,1,3,2,3),
  group = c("a","a","a","b","b","b","b","b","b","a","a","a","a","a","a","a","c","c","c","b","b","a","b","b")
)

方法一：使用dplyr + data.table（简洁高效） #

利用data.table的rleid()函数快速标记连续块，再结合dplyr的分组统计生成子分组：

library(dplyr)
library(data.table)

df_with_subgroup <- df %>%
  # 给每个连续相同的group块分配唯一ID
  mutate(block_id = rleid(group)) %>%
  # 按group分组，统计每个块是该group的第几次出现
  group_by(group) %>%
  mutate(subgroup_num = dense_rank(block_id)) %>%
  ungroup() %>%
  # 拼接成你需要的子分组格式（比如a.1、a.2）
  mutate(subgrouping = paste0(group, ".", subgroup_num)) %>%
  # 移除中间辅助列（可选）
  select(-block_id, -subgroup_num)

方法二：使用Base R（无需额外包） #

如果你不想加载第三方包，用base R也能实现：

# 标记每个位置是否是新分组块的起始点
change_points <- c(TRUE, df$group[-1] != df$group[-nrow(df)])
# 生成每个连续块的唯一ID
block_id <- cumsum(change_points)
# 对每个group，计算当前块是该group的第几个出现
subgroup_num <- ave(block_id, df$group, FUN = function(x) match(x, unique(x)))
# 生成子分组标记
df$subgrouping <- paste0(df$group, ".", subgroup_num)

验证效果与使用示例 #

运行上述代码后，你会得到包含subgrouping列的数据框，和你给出的示例完全一致。比如要计算a.2子组的平均值：

# 计算a.2的平均值
df_with_subgroup %>%
  filter(subgrouping == "a.2") %>%
  summarise(mean_value = mean(value))

这样就能精准计算单个连续子块的统计量，而不是整个group的整体统计值。

内容的提问来源于stack exchange，提问作者Benjamin Sloggett