R中的分组循环

Question

我正在寻找循环数据和更新某个变量的最佳方法，同时对另一个变量进行分组。我觉得我已经很接近了，但是我还没有足够的练习 R 中的循环来完全做到这一点。如果有人可以帮助我，将不胜感激！ 这是我第一次在这里提出问题：我希望代码会有所帮助！

studentID <- c(1,1,1,1,1,2,2,2,2,3,3,3,3,3,3,3,3,4,4,4,4,4)
lag_time <- c(0,3.8,4.6,2.6,720,3.4,200,780,860,3.5,2.5,3.3,6.68,945,7.5,2.3,1.2,3.2,83456.093,5.3,4.2,56540)
session <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)

df <- data.frame(studentID, lag_time, session)

好的，所以我想做的是：我有一个由 studentID 排列的网站日志数据的数据框，我想为每个学生计算他们当前所在的会话。我已经计算了 lag_time，基本上是两者之间的时间表示会话的行。如果 lag_time >= 600，那么我想更新变量 'session' + 1，每个 studentID。最后应该是这样的：

studentID   lag_time  session
1           0         1
1           3.8       1
1           4.6       1
1           2.6       1
1           720       2
2           3.4       1
2           200       1
2           780       2
2           860       3
3           3.5       1
3           2.5       1
3           3.3       1
3           6.68      1
3           945       2
3           7.5       2
3           2.3       2
3           1.2       2
4           3.2       1
4           83456.093 2
4           5.3       2
4           4.2       2
4           56540     3

希望我解释正确，期待看到您的建议！

Answer 1

您可以在cumsum 的帮助下完成此操作。

使用dplyr：

library(dplyr)

df %>%
  group_by(studentID) %>%
  mutate(session =  session + cumsum(lag_time >= 600)) %>%
  ungroup() 

在基础 R 中：

transform(df, session = session + ave(lag_time >= 600, studentID, FUN = cumsum))

#   studentID lag_time session
#1          1     0.00       1
#2          1     3.80       1
#3          1     4.60       1
#4          1     2.60       1
#5          1   720.00       2
#6          2     3.40       1
#7          2   200.00       1
#8          2   780.00       2
#9          2   860.00       3
#10         3     3.50       1
#11         3     2.50       1
#12         3     3.30       1
#13         3     6.68       1
#14         3   945.00       2
#15         3     7.50       2
#16         3     2.30       2
#17         3     1.20       2
#18         4     3.20       1
#19         4 83456.09       2
#20         4     5.30       2
#21         4     4.20       2
#22         4 56540.00       3