R 计数具有相同/缺少值的连续行

我有一个包含不同传感器测量值的时间序列数据集。传感器软件存在一些缺陷，导致测量值丢失。我添加了缺失的测量时间，结果在值列中出现了NAs。数据集如下所示：

df <- structure(list(time_id = 1:10, value = c(-1.80603125680195, -0.582075924689333, 
                                              NA, NA, -0.162309523556819, NA, NA, NA, 1.6059096288573, NA), 
                    is_missing = c(FALSE, FALSE, TRUE, TRUE, FALSE, TRUE, TRUE, 
                                   TRUE, FALSE, TRUE)), class = c("tbl_df", "tbl", "data.frame"
                                   ), row.names = c(NA, -10L))
df

---

非常感谢您的帮助

这是一个使用ave+rle的基本R解决方案

---

下面是一个使用ave+rle的基本R解决方案

---

还有一个想法。在这里，我们使用is.na捕获NAs并在出现非na时更改组，即

df %>% 
 group_by(grp = cumsum(c(1, diff(is.na(value)) != 0))) %>% 
 mutate(seq_NA = seq(n()))

这就给了,

---

还有一个想法。在这里，我们使用is.na捕获NAs并在出现非na时更改组，即

df %>% 
 group_by(grp = cumsum(c(1, diff(is.na(value)) != 0))) %>% 
 mutate(seq_NA = seq(n()))

这就给了,

---

您的输出似乎与OPs预期输出不一致您的输出似乎与OPs预期输出不一致

> df
   time_id      value is_missing group seq_NA
1        1 -1.8060313      FALSE     1      1
2        2 -0.5820759      FALSE     1      2
3        3         NA       TRUE     2      1
4        4         NA       TRUE     2      2
5        5 -0.1623095      FALSE     3      1
6        6         NA       TRUE     4      1
7        7         NA       TRUE     4      2
8        8         NA       TRUE     4      3
9        9  1.6059096      FALSE     5      1
10      10         NA       TRUE     6      1

df %>% 
 group_by(grp = cumsum(c(1, diff(is.na(value)) != 0))) %>% 
 mutate(seq_NA = seq(n()))

# A tibble: 10 x 5
# Groups:   grp [6]
   time_id  value is_missing   grp seq_NA
     <int>  <dbl> <lgl>      <dbl>  <int>
 1       1 -1.81  FALSE          1      1
 2       2 -0.582 FALSE          1      2
 3       3 NA     TRUE           2      1
 4       4 NA     TRUE           2      2
 5       5 -0.162 FALSE          3      1
 6       6 NA     TRUE           4      1
 7       7 NA     TRUE           4      2
 8       8 NA     TRUE           4      3
 9       9  1.61  FALSE          5      1
10      10 NA     TRUE           6      1