在R中处理连续记录：替换符合条件序列的time字段

针对你的需求，我们可以通过识别连续的条件块、标记需要替换的序列，再统一更新时间值来实现。下面提供两种常用的R实现方案：

方案一：使用Tidyverse（dplyr + tidyr） #

这种方法代码可读性强，适合熟悉tidy语法的用户：

library(tidyverse)

# 加载示例数据
df <- read.csv(text="user,time,condition
11,1:05,FALSE
11,1:10,TRUE
11,1:10,FALSE
11,1:15,TRUE
11,1:20,TRUE
11,1:25,TRUE
11,1:40,FALSE
22,2:20,FALSE
22,2:30,FALSE
22,2:35,TRUE
22,2:40,TRUE", header=TRUE)

# 处理数据
df_processed <- df %>%
  # 按用户分组，确保每个用户的序列独立处理
  group_by(user) %>%
  # 给连续相同的condition分配唯一ID，区分不同的连续块
  mutate(condition_rleid = rleid(condition)) %>%
  # 计算每个连续块的长度
  group_by(user, condition_rleid, condition) %>%
  mutate(group_size = n()) %>%
  ungroup() %>%
  # 按用户和块ID排序，保证序列顺序正确
  arrange(user, condition_rleid) %>%
  group_by(user) %>%
  # 标记需要替换的起始块：当前是FALSE块，且下一个块是TRUE块且长度≥2
  mutate(needs_replace = ifelse(condition == FALSE & lead(condition) == TRUE & lead(group_size) >= 2, TRUE, FALSE),
         # 将需要替换的FALSE块和对应的TRUE块归为同一替换组
         replace_group = ifelse(needs_replace | lag(needs_replace, default = FALSE), cumsum(needs_replace), NA)) %>%
  ungroup() %>%
  # 按替换组统一更新time为组内最后一条记录的time
  group_by(replace_group) %>%
  mutate(time = ifelse(!is.na(replace_group), last(time), time)) %>%
  ungroup() %>%
  # 移除辅助列
  select(-condition_rleid, -group_size, -needs_replace, -replace_group)

# 查看结果
print(df_processed)

方案二：使用Data.table（高效处理大数据） #

如果你的数据集很大，data.table的性能会更优：

library(data.table)

# 加载示例数据并转为data.table格式
df <- fread(text="user,time,condition
11,1:05,FALSE
11,1:10,TRUE
11,1:10,FALSE
11,1:15,TRUE
11,1:20,TRUE
11,1:25,TRUE
11,1:40,FALSE
22,2:20,FALSE
22,2:30,FALSE
22,2:35,TRUE
22,2:40,TRUE")

# 处理数据
df[, condition_rleid := rleid(condition), by = user]
df[, group_size := .N, by = .(user, condition_rleid)]
df[, needs_replace := condition == FALSE & shift(condition, type = "lead") == TRUE & shift(group_size, type = "lead") >= 2, by = user]
df[, replace_group := cumsum(needs_replace), by = user]
# 对需要替换的组更新time为组内最后一个值
df[!is.na(replace_group), time := last(time), by = replace_group]
# 移除辅助列
df[, c("condition_rleid", "group_size", "needs_replace", "replace_group") := NULL]

# 查看结果
print(df)

关键步骤说明 #

1. rleid(condition)：给连续相同的condition值分配唯一ID，把连续的TRUE/FALSE分成独立的块。
2. group_size：计算每个块的长度，用来判断后续的TRUE块是否满足“至少2个连续”的要求（对应你示例中的情况）。
3. needs_replace：标记那些作为起始点的FALSE块——也就是后面跟着足够长的TRUE块的FALSE记录。
4. replace_group：将需要替换的FALSE块和对应的TRUE块归为同一组，方便统一更新时间。
5. 替换time值：对每个替换组，把组内所有记录的time替换为该组最后一条记录的time（也就是连续TRUE序列的最后一个时间）。

运行上述代码后，你会得到和示例完全一致的结果。

内容的提问来源于stack exchange，提问作者Cina