使用R tidyverse计算非负修正载客量的高效实现方案

问题背景 #

用cumsum计算公交各站点载客量时，因下车人数超过当前实际载客量，出现了负值（例如站点1上2人、站点2下3人导致load=-1）。尝试用滞后载客量调整下车人数，但需要连续重算载客量，且数据量超300万行，不能用耗时的for循环。

初始代码（存在负值问题） #

library(tidyverse)

df = structure(list(trip = c(1, 1, 1, 1, 1, 2, 2, 2, 2, 2), stop = c(1, 
2, 3, 4, 5, 1, 2, 3, 4, 5), on = c(2, 0, 0, 0, 0, 3, 0, 0, 0, 
1), off = c(0, 3, 0, 0, 1, 0, 0, 4, 1, 0)), class = "data.frame", row.names = c(NA, 
-10L))

df = df  %>% 
  group_by(trip) %>%
  mutate(diff = on-off,
         load = cumsum(diff))

高效解决方案（向量式操作，无for循环） #

利用purrr::accumulate实现逐站累积计算，同时确保载客量不会低于0，这种方式比循环高效，适合处理百万级数据：

df_clean <- df %>%
  group_by(trip) %>%
  mutate(
    # 计算调整后的载客量：上一站载客量 + 当前上车 - 当前下车，结果不低于0
    load = accumulate(1:n(), .init = 0, function(prev_load, idx) {
      max(prev_load + on[idx] - off[idx], 0)
    }) %>% tail(-1),  # 移除初始的0，匹配数据行数
    # 计算实际可下车人数：取原下车人数和上一站载客量的较小值
    adj_off = pmap_dbl(list(lag(load, default = 0), off), ~ min(.y, .x))
  ) %>%
  ungroup()

结果说明 #

• 对于trip1的站点2，原下车人数3超过上一站载客量2，调整后实际下车2人，载客量变为0
• 后续站点的载客量计算基于前一站的调整后数值，不会再出现负值
• 向量式操作避免了循环的性能损耗，300万行数据可快速处理

内容的提问来源于stack exchange，提问作者z_11122