按pit首次出现年份统计唯一值 解决重复计数问题

问题出在原代码统计的是每年内出现过的唯一pit值，同一个pit如果在多个年份都有记录，会被多次计入不同年份的统计结果，导致总和超过全局唯一pit数量。要实现按pit首次出现的年份统计，确保每个pit只被计数一次，可按以下方式修改代码：

简洁高效版 #

df %>%
  # 按pit分组，提取每个pit首次出现的年份
  group_by(pit) %>%
  summarise(first_year = format(min(Date), "%Y")) %>%
  ungroup() %>%
  # 按首次出现年份统计对应唯一pit的数量
  count(first_year, name = "unique_pit_count")

分步清晰版 #

如果需要保留更多中间过程，也可以用这种方式：

df %>%
  # 为每条记录标记所属pit的首次出现年份
  group_by(pit) %>%
  mutate(first_year = format(min(Date), "%Y")) %>%
  ungroup() %>%
  # 按首次出现年份分组，统计唯一pit数量
  group_by(first_year) %>%
  summarise(unique_pit_count = n_distinct(pit))

逻辑说明 #

1. 先按pit分组，用min(Date)找到每个pit最早出现的日期，格式化为年份后作为该pit的首次出现年份。
2. 基于首次出现年份进行统计，每个pit只会被归属到一个年份中，最终各年份的统计结果总和将等于全局唯一pit的数量（901）。

内容的提问来源于stack exchange，提问作者Ryan Gary