按Class-Area组统计各事件对应上一及前冬历史事件数

需求说明 #

为数据集中的每个事件，按class与area组成的分组，统计该事件发生前，上一个冬季（12、1、2月）以及再前一个冬季内发生的同组事件数量。

示例数据集 #

class <- c(1,1,1,1,1,2,2,2,2)
area <-  c("a", "a","b", "a", "a","b",  "a", "a","b" )
event <- as.Date(c("2023-04-01", "2022-12-01", "2022-01-01",
                   "2021-12-01", "2022-12-01", "2022-12-01",
                   "2020-04-01", "2022-04-01", "2022-04-01"))

df <- data.frame(class, area, event) %>%
  arrange(class, area, event) # 按分组和日期排序

# 用户期望的结果列
df$events_in_previous_winter <- c(0,1,1,2,0,0,0,0,0)
df

解决方案（dplyr实现） #

这里用冬季结束年份作为标识，通过向量操作实现高效统计，适配85000条数据的规模：

library(dplyr)
library(lubridate)

# 1. 为每个事件标记所属的冬季ID（冬季定义为每年12月至次年2月，用冬季结束年份作为ID）
df_result <- df %>%
  mutate(
    winter_id = case_when(
      month(event) <= 2 ~ year(event),          # 1-2月属于当年结束的冬季
      TRUE ~ year(event) + 1                    # 3-12月属于下一年结束的冬季
    )
  ) %>%
  # 2. 按class和area分组
  group_by(class, area) %>%
  # 3. 统计前两个冬季的同组事件数：winter_id为当前ID-1和ID-2，且事件发生在当前事件之前
  mutate(
    events_in_previous_winter = sum(winter_id %in% c(winter_id - 1, winter_id - 2) & event < event)
  ) %>%
  # 4. 移除临时列并取消分组
  ungroup() %>%
  select(-winter_id)

# 查看结果
df_result

逻辑说明 #

1. 冬季ID标记：把每个事件映射到对应的冬季结束年份，比如2021-12-01属于2022冬季（结束于2022年2月），2022-01-01也属于2022冬季。
2. 分组统计：在每个class+area组内，对每个事件，统计组内所有满足以下条件的事件数：
   • 所属冬季是当前事件冬季的前两个（winter_id = 当前ID-1和当前ID-2）
   • 事件日期早于当前事件（确保是发生在当前事件之前的）

这个方法全程用向量操作，比逐行计算效率高很多，适合处理大数据量。

内容的提问来源于stack exchange，提问作者threeisles