如何在R中基于公司和年份双重条件统计董事数量并生成新列

你可以通过分组计算实现需求，以下是两种高效的方法，适用于你的大样本数据集（845,000+观测值）：

原始数据示例 #

COMPANY     DIRECTOR      YEAR      
A           Mark          2005      
A           Steven        2005      
A           Mark          2006      
A           Steven        2006      
B           John          2006      
B           Elias         2006      
B           Vince         2006      
B           John          2007      
B           Elias         2007      
B           Vince         2007      
C           Peter         2005      
C           Josh          2005      
C           Adam          2005      
C           Evan          2005      
C           Peter         2006      
C           Josh          2006      
C           Adam          2006      
C           Evan          2006      
C           Peter         2007      
C           Josh          2007      
C           Adam          2007      
C           Evan          2007      

预期结果 #

COMPANY     DIRECTOR      YEAR      NUMBERDIRECTORS
A           Mark          2005      2
A           Steven        2005      2
A           Mark          2006      2
A           Steven        2006      2
B           John          2006      3
B           Elias         2006      3
B           Vince         2006      3
B           John          2007      3
B           Elias         2007      3
B           Vince         2007      3
C           Peter         2005      4
C           Josh          2005      4
C           Adam          2005      4
C           Evan          2005      4
C           Peter         2006      4
C           Josh          2006      4
C           Adam          2006      4
C           Evan          2006      4
C           Peter         2007      4
C           Josh          2007      4
C           Adam          2007      4
C           Evan          2007      4

方法1：Base R 原生实现 #

使用ave()函数按COMPANY和YEAR分组，计算每组的观测数量（即董事人数），并将结果映射回原数据的每一行：

# 假设你的数据框名为df
df$NUMBERDIRECTORS <- ave(rep(1, nrow(df)), df$COMPANY, df$YEAR, FUN = length)

方法2：dplyr 简洁实现 #

如果你习惯使用tidyverse工具链，dplyr的分组+新增列操作更直观：

library(dplyr)

df <- df %>%
  group_by(COMPANY, YEAR) %>%  # 按公司和年份分组
  mutate(NUMBERDIRECTORS = n()) %>%  # 统计每组行数作为董事数量
  ungroup()  # 取消分组，避免后续操作受影响

两种方法都能高效处理你的大样本数据，最终都会生成符合预期的NUMBERDIRECTORS列。

内容的提问来源于stack exchange，提问作者Robbert