R语言按ID统计唯一年份组合出现频次的实现方法

之前三种方法无法得到正确结果，核心是两个逻辑漏项：

• 未对单ID下的重复年份去重：同一患者同一年多次就诊的记录会被重复拼接，导致组合字符串出现重复年份
• 未对单ID对应的年份做排序：同一组合如果年份拼接顺序不同（比如2011,2010和2010,2011）会被判定为不同类别，直接导致统计结果拆分错误
  另外你初始化的years向量里没有2012，实际不会出现包含2012的年份组合，总理论组合数确实是2^5=32种。

方案1：dplyr 实现（直接修正原方法3的逻辑漏洞） #

library(dplyr)
library(stringr)

final <- my_data %>%
  group_by(id) %>%
  # 核心步骤：先对每个ID的年份去重、排序后再拼接，保证同一种组合的字符串完全一致
  summarise(combinations = str_c(sort(unique(year)), collapse = ","), .groups = "drop") %>%
  count(combinations, name = "frequency")

# 如果需要补全全部32种理论存在、但实际可能无对应患者的0频次组合，追加以下代码
all_combos <- unlist(
  lapply(1:length(years), function(k) combn(sort(years), k, paste, collapse = ",")),
  use.names = FALSE
)
final <- tibble(combinations = all_combos) %>%
  left_join(final, by = "combinations") %>%
  mutate(frequency = tidyr::replace_na(frequency, 0))

方案2：data.table 实现 #

library(data.table)
setDT(my_data)

final <- my_data[,
                 .(combinations = paste(sort(unique(year)), collapse = ",")),
                 by = id
                 ][,
                   .(frequency = .N),
                   by = combinations
                   ]

方案3：基础R实现（无需加载第三方包） #

# 按ID拆分数据，对每个患者的就诊年份去重排序后拼接
patient_combos <- tapply(my_data$year, my_data$id, function(x) paste(sort(unique(x)), collapse = ","))
# 统计各组合频次
final <- data.frame(
  combinations = names(table(patient_combos)),
  frequency = as.vector(table(patient_combos))
)

运行后得到的结果和你给出的示例格式完全一致，列名分别为combinations（年份组合）和frequency（对应患者数），可以直接回答「仅单年份就诊的患者数」「多年份同时就诊的患者数」等统计问题。如果追加了补全0频次的代码，结果会固定包含全部32种可能组合，不会因为某类组合没有对应患者就缺失行。

内容的提问来源于stack exchange，提问作者stats_noob