如何用dplyr统计各年龄存活人数并合并当前年龄ID计数

需求回顾 #

• 从包含ID、Age、YearDied的数据集，统计每个年龄对应的SurvivorNumber：若某ID的Age为n，则该ID视为度过了1至n的所有年龄，需统计各年龄的总存活数
• 同时将结果与各年龄的Current Number of IDs（当前该年龄的ID数量）合并

初始代码问题分析 #

你当前的代码存在大量冗余操作：重复调用group_by和case_when完全没有必要，count(Age)已经完成了按年龄分组计数，后续多次分组操作不会改变结果，反而降低代码效率和可读性。

优化实现方案 #

下面是更简洁高效的dplyr实现，核心思路是利用累计求和计算存活数，同时一步完成两个指标的合并：

# 1. 计算各年龄的当前ID数量，并确保Age为数值型以正确排序
current_df <- inputDf %>%
  # 若Age原本是字符型，先转换为数值型避免排序错误
  mutate(Age = as.numeric(Age)) %>%
  count(Age, name = "CurrentNumber") %>%
  arrange(Age)

# 2. 计算各年龄的存活数：对当前ID数从大到小累计求和
final_result <- current_df %>%
  arrange(desc(Age)) %>%
  mutate(SurvivorNumber = cumsum(CurrentNumber)) %>%
  arrange(Age) %>%
  # 整理列顺序，可按需调整
  select(Age, CurrentNumber, SurvivorNumber)

代码解释 #

• CurrentNumber计算：count(Age)直接得到每个年龄对应的当前ID数量，重命名为CurrentNumber更直观
• SurvivorNumber计算：先按Age降序排列，用cumsum累计求和——因为年龄为n的ID必然包含了所有1到n年龄的存活记录，累计求和后再升序排列，就得到每个年龄k对应的总存活数（所有年龄≥k的ID总数）
• 如果数据集里有存活状态（YearDied为NA）的ID，只要Age字段是其当前年龄，上述逻辑依然适用，无需额外处理

内容的提问来源于stack exchange，提问作者Bugsy