R语言按日期分组统计指定字段有效计数实现方法

核心思路 #

忽略Rej、Old两列，提取App、Proc中所有非NA的日期值，按日期维度分组后分别统计两个字段的有效记录数，最终输出包含Date、App、Proc三列的汇总表即可。

常用实现代码 #

1. dplyr+tidyr 写法（可读性最高，适合常规数据量场景） #

library(dplyr)
library(tidyr)

DFdesired <- DF1 %>%
  select(App, Proc) %>%
  pivot_longer(everything(), names_to = "col", values_to = "Date") %>%
  filter(!is.na(Date)) %>%
  count(Date, col) %>%
  pivot_wider(names_from = col, values_from = n, values_fill = 0)

运行后直接得到符合结构要求的结果：Date列存储去重后的日期值，App、Proc列分别存储对应日期下该字段的非NA有效记录数。

2. data.table 写法（性能最优，适合百万行以上大数据量场景） #

library(data.table)
setDT(DF1)

# 分别统计两个字段的分日期计数
app_stat <- DF1[!is.na(App), .(App = .N), keyby = .(Date = App)]
proc_stat <- DF1[!is.na(Proc), .(Proc = .N), keyby = .(Date = Proc)]

# 全连接合并结果，无计数的位置补0
DFdesired <- merge(app_stat, proc_stat, all = TRUE)
DFdesired[is.na(DFdesired)] <- 0

3. 基础R写法（无需安装加载第三方包） #

# 计算两列非NA值的频次
app_count <- table(DF1$App[!is.na(DF1$App)])
proc_count <- table(DF1$Proc[!is.na(DF1$Proc)])

# 提取所有出现过的日期全集
all_date <- sort(unique(c(as.character(names(app_count)), as.character(names(proc_count)))))

# 对齐计数组装结果
DFdesired <- data.frame(
  Date = as.Date(all_date),
  App = as.integer(app_count[match(all_date, names(app_count))]),
  Proc = as.integer(proc_count[match(all_date, names(proc_count))])
)
DFdesired[is.na(DFdesired)] <- 0

提示：如果App、Proc列存储的是字符串格式的日期，先执行以下代码统一转为标准日期类型再统计，避免分组匹配错误：

DF1[c("App", "Proc")] <- lapply(DF1[c("App", "Proc")], as.Date)

内容的提问来源于stack exchange，提问作者user17582908