在R语言中按样本分组计算每日观测值的累积求和

方法一：使用dplyr包（推荐，新手友好） #

dplyr是R中常用的数据处理包，语法简洁易读，适合快速实现需求。

步骤1：构造示例数据（可直接复制运行）

df <- data.frame(
  sampleID = c("sample-1", "sample-1", "sample-1", "sample-1", "sample-1", "sample-1",
               "sample-2", "sample-2", "sample-2", "sample-2", "sample-2",
               "sample-3", "sample-3", "sample-3", "sample-3"),
  day = c(2,3,3,6,6,6,4,4,8,10,12,1,1,5,5),
  obs = c("blue", "red", "yellow", "green", "blue", "black",
          "blue", "yellow", "orange", "black", "red",
          "white", "black", "orange", "blue")
)

步骤2：数据处理代码

library(dplyr)

result <- df %>%
  # 按样本ID和观测日分组
  group_by(sampleID, day) %>%
  # 统计当日观测数，保留样本ID分组用于后续计算
  summarise(n_obs = n(), .groups = "drop_last") %>%
  # 计算每个样本的累积观测数
  mutate(n_cumulative = cumsum(n_obs)) %>%
  # 取消分组，转为普通数据框
  ungroup()

# 输出结果
print(result)

代码解释

• group_by(sampleID, day)：将数据按样本和日期拆分，确保后续统计的是每个样本单日的观测数
• summarise(n_obs = n(), .groups = "drop_last")：用n()统计每组的行数（即当日观测数），.groups = "drop_last"保留样本ID的分组，方便后续计算累积和
• mutate(n_cumulative = cumsum(n_obs))：在每个样本分组内，对单日观测数做累积求和
• ungroup()：取消分组，让结果回归普通数据框格式，方便后续操作

方法二：使用基础R（无需额外安装包） #

如果不想安装dplyr包，也可以用基础R函数实现：

# 步骤1：统计每个样本每日观测数
df_agg <- aggregate(obs ~ sampleID + day, data = df, FUN = length)
colnames(df_agg)[3] <- "n_obs"

# 步骤2：计算每个样本的累积观测数
df_agg$n_cumulative <- ave(df_agg$n_obs, df_agg$sampleID, FUN = cumsum)

# 步骤3：按样本和日期排序，匹配期望输出顺序
df_agg <- df_agg[order(df_agg$sampleID, df_agg$day), ]

# 输出结果
print(df_agg)

代码解释

• aggregate(obs ~ sampleID + day, data = df, FUN = length)：按样本和日期分组，统计观测数量
• ave(df_agg$n_obs, df_agg$sampleID, FUN = cumsum)：通过ave函数按样本分组，对单日观测数计算累积和
• order(df_agg$sampleID, df_agg$day)：确保结果按样本ID和日期升序排列，与期望输出一致

内容的提问来源于stack exchange，提问作者sannika