如何将R语言中固定长度序列统计代码转为任意长度动态函数？

我正在使用R语言，模拟了一个学生抛硬币的数据集：

library(tidyverse)
library(dplyr)

set.seed(123)
ids = 1:100
student_id = sample(ids, 1000, replace = TRUE)
coin_result = sample(c("H", "T"), 1000, replace = TRUE)
my_data = data.frame(student_id, coin_result)

my_data =  my_data[order(my_data$student_id),]

需要完成两个任务：

• 统计每位学生指定长度的连续抛掷序列出现次数（比如3次序列：HHH、HHT等）
• 计算基于前n-1次抛掷结果，第n次抛掷的概率（比如HH后出现H的概率）

目前已实现固定3次、4次序列的代码，但希望封装成支持任意长度序列的函数，无需每次手动修改代码。

通过动态生成lead偏移量和通用字符串截取逻辑，可以实现适配任意序列长度的函数，以下是完整实现：

1. 通用序列统计与概率计算函数 #

calculate_sequence_prob <- function(data, seq_length) {
  # 参数合法性校验：序列长度至少为2
  if (seq_length < 2) {
    stop("序列长度必须大于等于2")
  }
  
  # 生成动态lead偏移量：0到seq_length-1（0对应原向量，1对应lead(1)，以此类推）
  lead_offsets <- 0:(seq_length - 1)
  
  # 按学生分组，生成所有连续seq_length长度的序列
  results <- data %>%
    group_by(student_id) %>%
    summarize(
      Sequence = pmap_chr(
        # 为每个偏移量生成对应的lead向量
        set_names(lapply(lead_offsets, function(x) lead(coin_result, x)), lead_offsets),
        # 将多列向量按行拼接成完整序列字符串
        function(...) str_c(c(...), collapse = "")
      ),
      .groups = 'drop'
    ) %>%
    # 过滤掉无法生成完整序列的行（每个学生最后seq_length-1个记录）
    filter(!is.na(Sequence)) %>%
    # 统计所有序列的总出现次数
    count(Sequence)
  
  # 计算前缀序列对应的下一次抛掷概率
  final_results <- results %>%
    mutate(
      # 截取前seq_length-1位作为前缀序列
      prefix_seq = substr(Sequence, 1, seq_length - 1),
      # 截取第seq_length位作为后续抛掷结果
      next_result = substr(Sequence, seq_length, seq_length)
    ) %>%
    group_by(prefix_seq, next_result) %>%
    summarize(total = sum(n), .groups = 'drop_last') %>%
    mutate(probability = total / sum(total)) %>%
    ungroup()
  
  return(final_results)
}

2. 函数使用示例 #

• 计算3次序列（前缀2次，预测第3次）的概率：

calculate_sequence_prob(my_data, seq_length = 3)

输出示例：

# A tibble: 8 × 4
  prefix_seq next_result total probability
  <chr>      <chr>       <int>       <dbl>
1 HH         H             128       0.525
2 HH         T             116       0.475
3 HT         H             120       0.513
4 HT         T             114       0.487
5 TH         H             117       0.496
6 TH         T             119       0.504
7 TT         H             121       0.513
8 TT         T             115       0.487

• 计算4次序列（前缀3次，预测第4次）的概率：

calculate_sequence_prob(my_data, seq_length = 4)

代码说明 #

• 动态生成lead偏移：通过0:(seq_length-1)自动生成所需的偏移量，用pmap_chr按行拼接多列lead后的向量，避免手动编写多个lead函数。
• 通用字符串截取：用seq_length-1作为前缀长度，seq_length作为后续结果的位置，适配任意序列长度需求。
• 参数校验：添加序列长度的合法性检查，避免传入无效参数导致错误。

内容的提问来源于stack exchange，提问作者stats_noob