基于多条件的唯一值累积求和及物种观测统计问题

首先构造贴近实际场景的测试数据（包含同一物种-站点-年份的多条记录）：

set.seed(123)
df <- data.frame(
  Country = rep(LETTERS[1:2], each = 10),
  Site = rep(c("F", "G"), each = 5, times = 2),
  species = rep(c(1, 2), each = 5, times = 2),
  Year = sample(1981:1983, 20, replace = TRUE)
)

核心代码实现 #

使用dplyr完成累积计算，同时保留所有原始列：

library(dplyr)

df_processed <- df %>%
  # 过滤1980年之后的记录
  filter(Year > 1980) %>%
  # 按「国家-站点-物种」分组，确保同一物种在同一站点的所有记录归为一组
  group_by(Country, Site, species) %>%
  # 按年份排序，保证累积计算的时间顺序正确
  arrange(Year, .by_group = TRUE) %>%
  # 计算累积记录数Spsum：分组内的行号即为到当前行的总记录数
  mutate(Spsum = row_number()) %>%
  # 计算累积不同年份数nYear：标记首次出现的年份后累积求和
  mutate(
    is_new_year = !duplicated(Year),
    nYear = cumsum(is_new_year)
  ) %>%
  # 移除中间辅助列（可选）
  select(-is_new_year) %>%
  ungroup()

代码说明 #

1. 分组逻辑：必须按Country, Site, species分组，才能在同一物种-站点的范围内计算累积值，避免跨组干扰。
2. 排序：按Year排序是累积计算的前提，确保统计是按时间顺序逐步累加。
3. Spsum计算：row_number()在分组内从1开始递增，正好对应到当前行的累积记录总数，完全匹配你示例中「1981年5次、1982年2次，Spsum最终为7」的需求。
4. nYear计算：
   • !duplicated(Year)标记当前年份是否是该分组内的首次出现（首次出现为TRUE）
   • cumsum(is_new_year)对标记结果累积求和，每遇到新年份计数加1，后续同一年份的记录保持当前计数，符合你示例中「nYear最终为2」的需求。

原代码问题分析 #

• 分组错误：你按Country, Site, Species, Year分组，导致每组仅包含同一年的记录，无法跨年份计算累积值。
• 逻辑错误：Year[Species %in% Site]是将物种编号与站点字母做匹配，两者取值类型完全不相关，返回空向量，因此n_distinct()结果为0。

内容的提问来源于stack exchange，提问作者RGR_288