基于其他列数值与条件计算新列consumers的R语言实现

原始数据框 #

df<- data.frame(
  id = c(1,1,1,1,2,2,2,3,3,4,4,4,5,5,5,5,5,6),
  age =c (41,43,20,8,33,30,6,45,90,60,7,3,50,50,7,1,83,45),
  activity = c(412,442,0,0,419,413,0,421,0,412,0,0,421,411,0,0,0,425),
  minute = c(10,15,0,0,20,15,0,25,0,20,0,0,25,20,0,0,0,30)
)

计算需求 #

• id为家庭标识，同个id下的记录属于同一家庭成员；
• activity列非零的成员为生产者，activity为0的是潜在消费者；
• 活动类型规则：412、442、413、419、411是面向15岁以下儿童的活动；421、425是面向15岁以上成人的活动；
• 对应活动的minute值需分配给目标消费者：若家庭中有多个对应消费者，每个消费者分配相同的时间总和。

预期输出 #

id age activity minute consumers
1   1  41      412     10         0
2   1  43      442     15         0
3   1  20        0      0        25
4   1   8        0      0        25
5   2  33      419     20         0
6   2  30      413     15         0
7   2   6        0      0        35
8   3  45      421     25         0
9   3  90        0      0        25
10  4  60      412     20         0
11  4   7        0      0        20
12  4   3        0      0        20
13  5  50      421     25         0
14  5  50      411     20         0
15  5   7        0      0        20
16  5   1        0      0        20
17  5  83        0      0        25
18  6  45      425     30        30

错误代码分析 #

你尝试的代码存在以下问题：

1. 未区分活动对应的目标群体，直接对所有minute求和，不符合“对应活动分配给目标消费者”的规则；
2. 仅判断了age>15的潜在消费者，未覆盖age<=15的情况；
3. 未处理家庭中无潜在消费者时，生产者自身的分配逻辑（如id=6的场景）。

df <- df %>%
  group_by(id) %>%
  mutate(
    consumers = ifelse(activity == 0 & age > 15, sum(minute), 0)
  )

正确实现方案 #

根据预期输出的逻辑，我们需要按家庭分组，分别计算儿童/成人活动的总时长，再根据潜在消费者的年龄、活动类型的单一性，以及是否存在潜在消费者来分配时长：

library(dplyr)

df <- df %>%
  group_by(id) %>%
  mutate(
    # 计算面向儿童的活动总时长
    child_activity_sum = sum(minute[activity %in% c(412, 442, 413, 419, 411)]),
    # 计算面向成人的活动总时长
    adult_activity_sum = sum(minute[activity %in% c(421, 425)]),
    # 统计家庭中潜在消费者的数量
    consumer_num = sum(activity == 0),
    # 判断家庭是否只有一种类型的活动
    is_single_type = (child_activity_sum == 0) || (adult_activity_sum == 0),
    # 计算consumers列
    consumers = case_when(
      # 生产者逻辑：无潜在消费者时，分配自身活动时长；否则为0
      activity != 0 ~ ifelse(consumer_num == 0, minute, 0),
      # 潜在消费者逻辑：单一活动类型时分配全部对应时长，否则按年龄匹配对应活动时长
      activity == 0 ~ ifelse(is_single_type, 
                             max(child_activity_sum, adult_activity_sum),
                             ifelse(age < 15, child_activity_sum, adult_activity_sum)),
      # 默认值
      TRUE ~ 0
    )
  ) %>%
  # 移除中间计算的辅助列
  select(-child_activity_sum, -adult_activity_sum, -consumer_num, -is_single_type) %>%
  ungroup()

# 输出结果
print(df)

运行上述代码后，将得到与预期完全一致的结果。

内容的提问来源于stack exchange，提问作者mehmo