按分组统计唯一值：用R语言dplyr实现新增与总注册人数统计

原始数据集与目标需求 #

原始数据集DATA记录了各季度的学生参与情况：

DATA = data.frame("TRIMESTER" = c(1,1,1,1,1,1,1,2,2,2,2,2,2,2,3,3,3,3,3,3,3,3,3),
                  "STUDENT" = c(1,2,3,4,5,6,7,1,2,3,5,9,10,11,3,7,10,6,12,15,17,16,21))

需要生成WANT数据集，包含三列：

• TRIMESTER：季度
• NEW_ENROLL：当季新增的学生人数（首次在该季度出现的学生）
• TOTAL_ENROLL：截至该季度的累计唯一学生总数

目标数据集示例：

WANT = data.frame("TRIMESTER" = c(1,2,3),
                  "NEW_ENROLL" = c(7,3,5),
                  "TOTAL_ENROLL" = c(7,10,15))

现有尝试 #

目前仅能统计每个季度的学生参与人数，代码如下：

library(dplyr)
DATA %>%
  group_by(TRIMESTER) %>%
  count()

解决方案 #

使用dplyr实现需求，步骤如下：

1. 标记每个学生的首次入学季度
2. 按季度统计当季新增人数
3. 计算累计唯一学生总数

完整代码：

library(dplyr)

# 提取每个学生的首次入学季度
student_first_trim <- DATA %>%
  group_by(STUDENT) %>%
  summarise(first_trim = min(TRIMESTER), .groups = "drop")

# 统计新增及累计人数
WANT <- DATA %>%
  left_join(student_first_trim, by = "STUDENT") %>%
  group_by(TRIMESTER) %>%
  # 统计当季新增：筛选首次入学季度等于当前季度的学生，去重计数
  summarise(NEW_ENROLL = n_distinct(STUDENT[first_trim == TRIMESTER]), .groups = "drop") %>%
  # 累加新增人数得到累计总人数
  mutate(TOTAL_ENROLL = cumsum(NEW_ENROLL))

代码说明 #

• student_first_trim：通过分组每个学生，取最小的季度值，得到每个学生首次出现的季度。
• 合并后按季度分组，用n_distinct统计当季新增学生（避免同一学生同季度多次出现的重复计数）。
• cumsum(NEW_ENROLL)直接累加各季度新增人数，得到截至当前季度的累计唯一学生总数，结果与目标数据集完全匹配。

内容的提问来源于stack exchange，提问作者bvowe