基于可变日期在R中统计响应值的技术实现问题

嘿，我懂你的需求了——你需要按CustomerID和AccountID分组，对每个OpenDate统计该日期及之前所有Response=1的累计数量（从你的样本和期望结果能看出来是累计1的个数）。之前用summarise没达到预期，是因为summarise是做分组聚合（每个组只返回一行），而你要的是每个组内每一行都对应一个累计值，这时候得用mutate配合cumsum来实现。

具体步骤和代码 #

假设你的数据框名叫df，直接用这段代码就能得到你要的结果：

library(dplyr)

df_result <- df %>%
  # 按客户和账户分组，保证每组独立计算
  group_by(CustomerID, AccountID) %>%
  # 先按日期排序，确保累计顺序正确（如果数据已经按日期排好可以省略，但加上更稳妥）
  arrange(OpenDate) %>%
  # 用cumsum计算累计的Response=1的数量——因为Response只有0和1，累加正好是累计计数
  mutate(Count = cumsum(Response)) %>%
  # 可选：取消分组，方便后续操作
  ungroup()

验证结果 #

把你的样本数据代入后，输出结果和你期望的完全一致：

CustomerID AccountID OpenDate Response Count
AAA 456 2020-01-01 1 1
AAA 456 2020-01-03 1 2
AAA 456 2020-01-05 1 3
BBB 789 2020-02-01 1 1
BBB 789 2020-02-22 0 1
BBB 789 2020-03-01 1 2

为啥之前用summarise不行？ #

简单说，summarise是把每个组的数据聚合为一行结果，而你需要的是保留每个组内的所有行，同时给每行加上到当前日期的累计值——这种逐行的转换操作，mutate才是正确的选择，cumsum则专门用来做累计求和，完美匹配你的需求。

内容的提问来源于stack exchange，提问作者easymoneysniper