如果我对问题的理解正确，那么您想检测何时h_no不增加，然后增加class。（我将逐步解决这个问题，最后有一个自包含的功能。）
加工
我们目前只关心该h_no列，因此我们可以从数据框中提取该列：
> h_no <- data$h_no
我们想检测何时h_no不上升，这可以通过计算连续元素之间的差为负或零来实现。R提供diff给我们差向量的函数：
> d.h_no <- diff(h_no)
> d.h_no
[1] 1 1 1 -3 1 1 1 1 1 1 -6 1 1 1
一旦有了这些，找到一个非正数的问题就很简单了：
> nonpos <- d.h_no <= 0
> nonpos
[1] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
[13] FALSE FALSE
在R中，TRUE和FALSE基本上与1和相同0，因此，如果我们得到的累加和nonpos，它将在（几乎）适当的位置增加1。的cumsum功能（这是基本上相反diff）可以做到这一点。
> cumsum(nonpos)
[1] 0 0 0 1 1 1 1 1 1 1 2 2 2 2
但是，有两个问题：数字太小；并且，我们缺少第一个元素（第一堂课应该有四个）。
第一个问题很简单地解决了：1+cumsum(nonpos)。第二个只需要1在向量的前面添加a ，因为第一个元素始终在类中1：
> classes <- c(1, 1 + cumsum(nonpos))
> classes
[1] 1 1 1 1 2 2 2 2 2 2 2 3 3 3 3
现在，我们可以将其附加到我们的数据框架上cbind（通过使用class=语法，我们可以为列指定class标题）：
> data_w_classes <- cbind(data, class=classes)
而data_w_classes现在包含的结果。
最后结果
我们可以将这些行压缩在一起，并将它们全部包装成一个函数，以使其更易于使用：
classify <- function(data) {
cbind(data, class=c(1, 1 + cumsum(diff(data$h_no) <= 0)))
}
或者，由于class成为一个因素是有意义的：
classify <- function(data) {
cbind(data, class=factor(c(1, 1 + cumsum(diff(data$h_no) <= 0))))
}
您可以使用以下任一函数：
> classified <- classify(data) # doesn't overwrite data
> data <- classify(data) # data now has the "class" column
（解决该问题的方法是好的，因为它避免了显式迭代（通常建议R使用该方法，并且避免生成大量中间向量和列表等。而且它还可以整齐地写在一行上：）