df$Sales <- ifelse(cumsum(dplyr::lag(df$Description, default = "") == "Total") > 0, 
                   "Unsold", 
                   "Sold")
df
#>    Description Value  Sales
#> 1           15   158   Sold
#> 2           11   196   Sold
#> 3           12    NA   Sold
#> 4           NA   156   Sold
#> 5        Total   140   Sold
#> 6           NA   693 Unsold
#> 7            9   854 Unsold
#> 8           18    NA Unsold
#> 9           NA   904 Unsold
#> 10       Total   925 Unsold

要分解逻辑：

1. dplyr::lag检查上一个条目是否为"Total"。设置除"Total"以外的任何字符串的默认值可防止将NA创建为第一个条目，因为这会将不需要的NA带入下一步。
2. cumsum返回"Total"被视为前一项的次数。
   1.检查cumsum的结果是否大于0会将步骤2转换为二进制结果："Total"要么已找到，要么未找到。
   1.如果"Total"已经被找到，它就没有被售出;否则就卖了。
   你也可以重新安排：

dplyr::lag(cumsum(df$Description == "Total") < 1, default = TRUE)

得到相同的结果，且真假结果的顺序相同。

如果您知道sold和unsold一样多，则可以使用第一个解决方案。
如果你想允许每一个的奇数和未知数，你可以使用第二个解决方案。

library(tidyverse)

# FIRST SOLUTION
df |>
  mutate(Sales = ifelse(row_number() <= nrow(df) / 2, "Sold", "Unsold"))

# SECOND SOLUTION
df |>
  mutate(o = Description == "Total") |>
  mutate(Sales = ifelse(row_number() > match(TRUE, o), "Unsold", "Sold")) |>
  select(-o)
#>    Description Value  Sales
#> 1           15   158   Sold
#> 2           11   196   Sold
#> 3           12    NA   Sold
#> 4           NA   156   Sold
#> 5        Total   140   Sold
#> 6           NA   693 Unsold
#> 7            9   854 Unsold
#> 8           18    NA Unsold
#> 9           NA   904 Unsold
#> 10       Total   925 Unsold