如何统计R语言DataFrame中用户活动路径的唯一出现次数？

我有如下简化版的DataFrame：

df <- data.frame(ID = rep('A',7), Activity = 
 c('Login','Login','cat1','Login','cat2','Login','Login'))

原始数据结构：

ID Activity
1  A    Login
2  A    Login
3  A     cat1
4  A    Login
5  A     cat2
6  A    Login
7  A    Login

需求说明 #

• 从第一行开始处理
• 初始化session=0
• 创建包含path和count字段的结果DataFrame
• 当Activity为Login时开启新会话（session递增），记录当前会话内的所有Activity直到下一个Login出现，形成一条路径
• 重复上述操作，最终统计各路径的出现次数

预期输出 #

Path count
1         Login     3
2 Login, cat1     1
3 Login, cat2     1

解决方案 #

方法1：使用dplyr包（简洁高效） #

library(dplyr)

# 标记会话：每遇到Login就生成新的会话ID
df <- df %>%
  mutate(session = cumsum(Activity == "Login"))

# 按会话分组拼接路径，再统计频次
result <- df %>%
  group_by(session) %>%
  summarise(Path = paste(Activity, collapse = ", ")) %>%
  ungroup() %>%
  count(Path, name = "count")

# 输出结果
print(result)

方法2：Base R实现（无依赖） #

# 生成会话ID
session_ids <- cumsum(df$Activity == "Login")

# 按会话分组拼接路径
path_list <- tapply(df$Activity, session_ids, function(x) paste(x, collapse = ", "))

# 统计路径频次并转换为DataFrame
result <- as.data.frame(table(path_list), stringsAsFactors = FALSE)
colnames(result) <- c("Path", "count")

# 输出结果
print(result)

两种方法核心逻辑一致：通过cumsum(Activity == "Login")标记每个会话的边界，对会话内的Activity进行拼接后，统计各路径的出现次数，均可得到预期结果。

内容的提问来源于stack exchange，提问作者H_A