如何在R时间序列数据中统计每期产品的新增门店数量？

需求说明 #

现有包含门店级销售数据的R数据框df，数据按产品-门店-周期组合构成时间序列，需统计每个产品每期的新增门店数量，要求每个产品的第1周期新增门店数默认设为0。数据包含核心字段：store_id（门店ID）、prod_id（产品ID）、period（周期）、sales（销售额）。

样本数据 #

prod_id      period       store_id       sales
12345           1           0001           6
12345           1           0002           8
12345           2           0003           10
12345           2           0004           4
54321           1           0001           5
54321           1           0005           9
54321           2           0001           11
54321           2           0005           7

理想输出 #

prod_id      period       new_stores
12345           1             0
12345           2             2
54321           1             0
54321           2             0

原代码问题分析 #

你尝试的代码逻辑存在核心错误：使用lag(store_id)仅能获取当前行的上一行门店ID，而非该产品此前所有周期的全部门店集合，导致!store_id %in% Prev_Store_Codes的判断完全失效，无法正确识别新增门店。原代码如下：

new_stores_per_period <- df %>%
  arrange(prod_id, period) %>%
  group_by(prod_id) %>%
  mutate(Prev_Store_Codes = lag(store_id, default = "")) %>%
  mutate(New_Store = !store_id %in% Prev_Store_Codes) %>%
  group_by(prod_id, period) %>%
  summarize(No_Of_New_Stores = sum(New_Store))

修正方案 #

方案一：基于首次出现周期统计 #

核心思路是先记录每个产品-门店的首次销售周期，再统计当期等于首次周期的门店数量，最后将第1周期数值置为0：

library(dplyr)

# 1. 获取每个产品-门店的首次销售周期
first_appearance <- df %>%
  group_by(prod_id, store_id) %>%
  summarize(first_period = min(period), .groups = "drop")

# 2. 统计每期新增门店数并处理第1周期
new_stores_per_period <- df %>%
  distinct(prod_id, period) %>%  # 保留所有产品-周期组合
  left_join(first_appearance, by = "prod_id") %>%
  group_by(prod_id, period) %>%
  summarize(new_stores = sum(first_period == period, na.rm = TRUE), .groups = "drop") %>%
  mutate(new_stores = ifelse(period == 1, 0, new_stores)) %>%
  arrange(prod_id, period)

方案二：基于累积门店集合统计 #

通过累积此前所有周期的门店集合，计算当期门店与累积集合的差集大小得到新增数：

library(dplyr)
library(purrr)

new_stores_per_period <- df %>%
  arrange(prod_id, period) %>%
  group_by(prod_id) %>%
  # 按周期收集当期所有门店
  group_by(period, .add = TRUE) %>%
  summarize(stores = list(unique(store_id)), .groups = "drop_last") %>%
  # 生成截止到当期之前的累积门店集合
  mutate(prev_stores = accumulate(stores, ~ union(.x, .y), .init = list()) %>% head(-1)) %>%
  # 计算差集长度即新增门店数
  mutate(new_stores = map2_int(stores, prev_stores, ~ length(setdiff(.x, .y)))) %>%
  # 第1周期置为0
  mutate(new_stores = ifelse(period == 1, 0, new_stores)) %>%
  select(prod_id, period, new_stores)

内容的提问来源于stack exchange，提问作者Rnovice