如何用R/tidyverse计算分组内近6个月唯一machine_ID数量？

解决方案1：结合slider包（推荐，高效简洁） #

首先加载所需工具包，构造可复现的样本数据：

library(tidyverse)
library(lubridate)
library(slider)

set.seed(123)
df <- tibble(
  date = seq(as.Date(paste0("2010-01-",runif(1,1,25))), by = "month", length.out = 24),
  machine_ID = sample(letters[1:10],size = 24,replace = T),
  machine_cat = rep(c(1,2),12)
)

执行分组滑动窗口计算：

df_result <- df %>%
  arrange(machine_cat, date) %>%
  group_by(machine_cat) %>%
  mutate(
    last6m = slide_index_dbl(
      .x = machine_ID,
      .i = date,
      .f = ~n_distinct(.x),
      .before = months(6)
    )
  ) %>%
  ungroup()

代码说明：

• arrange(machine_cat, date)：确保每个机器类别内的记录按日期升序排列，为滑动窗口计算提供有序基础。
• group_by(machine_cat)：限定统计范围为同一机器类别内的记录。
• slide_index_dbl：slider包专为基于索引的滑动窗口设计的函数：
  • .x指定要统计的目标向量（machine_ID）
  • .i指定窗口的时间索引（date）
  • .f定义窗口内的计算逻辑，n_distinct(.x)统计唯一ID数量
  • .before = months(6)明确窗口范围为当前日期往前推6个月的所有记录

解决方案2：仅用tidyverse核心包（无需额外依赖） #

如果不想安装slider包，可使用purrr实现：

library(tidyverse)
library(lubridate)

set.seed(123)
df <- tibble(
  date = seq(as.Date(paste0("2010-01-",runif(1,1,25))), by = "month", length.out = 24),
  machine_ID = sample(letters[1:10],size = 24,replace = T),
  machine_cat = rep(c(1,2),12)
)

df_result <- df %>%
  arrange(machine_cat, date) %>%
  group_by(machine_cat) %>%
  mutate(
    last6m = map_dbl(row_number(), ~{
      current_date <- date[.x]
      window_range <- current_date %m-% months(6)
      n_distinct(machine_ID[date >= window_range & date <= current_date])
    })
  ) %>%
  ungroup()

代码说明：

• map_dbl(row_number(), ~{...})：遍历当前组内的每一行，针对每行的日期筛选出近6个月内的所有machine_ID。
• n_distinct(...)：统计筛选出的ID中的唯一值数量，最终返回数值型结果。

内容的提问来源于stack exchange，提问作者MariusJ