基于门店开业闭店日期的年度门店数量统计（R语言）

实现思路 #

针对大数据量场景，通过双重循环遍历城镇和年份，结合日期判断统计符合条件的门店数，同时采用预分配结果空间的方式提升效率。

完整代码 #

# 加载日期处理包
library(lubridate)

# 原始数据
town <- c("A", "A", "A", "B")
opening <- as.Date(c("1900-01-01", "1905-02-05", "1906-01-01", "1910-01-01"))
closing <- as.Date(c(NA, NA, NA, "1913-03-03"))
df <- data.frame(town, opening, closing)

# 定义需要统计的年份范围（与示例一致，可根据数据自动调整）
target_years <- 1900:1905
# 获取所有唯一城镇
unique_towns <- unique(df$town)

# 预分配结果数据框（大数据量下避免频繁rbind的性能损耗）
total_rows <- length(unique_towns) * length(target_years)
df_final <- data.frame(
  town_final = character(total_rows),
  year = integer(total_rows),
  stores = integer(total_rows),
  stringsAsFactors = FALSE
)

row_idx <- 1

# 双重循环统计
for (t in unique_towns) {
  # 筛选当前城镇的门店数据
  town_data <- df[df$town == t, ]
  
  for (y in target_years) {
    # 生成当年年末日期（12月31日）
    year_end <- make_date(y, 12, 31)
    
    # 统计符合条件的门店数：开业≤年末，且（闭店>年末 或 闭店未记录）
    store_count <- sum(
      town_data$opening <= year_end & 
        (is.na(town_data$closing) | town_data$closing > year_end),
      na.rm = TRUE
    )
    
    # 写入结果
    df_final[row_idx, ] <- list(t, y, store_count)
    row_idx <- row_idx + 1
  }
}

# 查看最终结果
print(df_final)

代码说明 #

• 预分配空间：提前计算结果数据框的行数，避免循环中反复rbind导致的性能下降，适合大数据量场景。
• 日期判断逻辑：门店需满足两个条件才算年末在营：
  1. 开业日期 ≤ 当年12月31日
  2. 闭店日期 > 当年12月31日，或闭店日期为NA（表示门店仍在营业）
• 灵活调整年份范围：如果需要自动匹配数据中的年份区间，可替换target_years为：

  all_years <- c(year(df$opening), year(df$closing[!is.na(df$closing)]))
  target_years <- min(all_years):max(all_years)
  

内容的提问来源于stack exchange，提问作者L.P. Hayek