如何按日期分组统计球队相较于上一场的新增球员数？

我有如下结构的data.frame：

需要统计每支球队在每个比赛日中，相较于上一个比赛日新增的球员数量，规则为：若球员在第一场出现、缺席第二场后又出现在第三场，需算作第三场的新增球员。

期望输出如下：

请问是否有简洁的实现方式？

可以用tidyverse工具链实现，这里提供两种简洁思路：

方法一：基于球员历史出现日期对比 #

核心逻辑是标记每个球员上一次出场的比赛日，再对比该日期是否为当前比赛日的前一个比赛日，统计不符合的球员数量：

library(tidyverse)

# 假设原始数据框名为df
df %>%
  group_by(球队, 球员) %>%
  mutate(上一次比赛日 = lag(比赛日期)) %>%
  ungroup() %>%
  group_by(比赛日期, 球队) %>%
  summarise(新增球员数 = sum(is.na(上一次比赛日) | 上一次比赛日 != lag(比赛日期, default = first(比赛日期))),
            .groups = "drop") %>%
  filter(比赛日期 != first(比赛日期))

方法二：基于比赛日球员列表差集 #

按球队分组后，提取每个比赛日的球员列表，直接和上一个比赛日的列表做差集统计数量，逻辑更直观：

library(tidyverse)

df %>%
  group_by(球队, 比赛日期) %>%
  summarise(球员列表 = list(球员), .groups = "drop") %>%
  group_by(球队) %>%
  mutate(上一次球员列表 = lag(球员列表),
         新增球员数 = map2_int(球员列表, 上一次球员列表, ~length(setdiff(.x, .y)))) %>%
  filter(!is.na(上一次球员列表)) %>%
  select(比赛日期, 球队, 新增球员数)

两种方法都能得到符合要求的输出，方法一效率更高适合大数据量，方法二逻辑更易理解。

内容的提问来源于stack exchange，提问作者Delopera