R语言逐时点统计时间序列中各level的ID出现频次

核心逻辑 #

需求本质是按时间顺序逐行追踪状态迁移：初始4个ID全部处于level 0，每发生一次ID的level变动，就将迁出level的计数减1、迁入level的计数加1，每一行的计数结果完全基于上一行的状态更新。

简洁实现代码 #

优先用可读性最高、性能无劣势的显式迭代写法，逻辑简单易调试：

library(tibble)

# 构造示例输入数据
df <- tibble(ID = c(1, 2, 1, 3, 4, 1, 2, 3),
             level = c(0, 0, 1, 2, 1, 2, 3, 0),
             n_0 = 4,
             n_1 = 0,
             n_2 = 0,
             n_3 = 0,
             previous_level = c(0, 0, 0, 0, 0, 1, 0, 2))

# 逐行更新计数
for (i in 2:nrow(df)) {
  # 继承上一行的计数结果
  df[i, c("n_0", "n_1", "n_2", "n_3")] <- df[i-1, c("n_0", "n_1", "n_2", "n_3")]
  # 迁出的旧level计数-1
  old_col <- paste0("n_", df$previous_level[i])
  df[i, old_col] <- df[i, old_col] - 1
  # 迁入的新level计数+1
  new_col <- paste0("n_", df$level[i])
  df[i, new_col] <- df[i, new_col] + 1
}

结果验证 #

运行上述代码后输出的df和预期结果完全一致：

# A tibble: 8 × 7
     ID level   n_0   n_1   n_2   n_3 previous_level
  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>          <dbl>
1     1     0     4     0     0     0              0
2     2     0     4     0     0     0              0
3     1     1     3     1     0     0              0
4     3     2     2     1     1     0              0
5     4     1     1     2     1     0              0
6     1     2     1     1     2     0              1
7     2     3     0     1     2     1              0
8     3     0     1     1     1     1              2

补充说明 #

• 该实现时间复杂度为O(n)，即使十万级以上数据量也能快速运行，没有冗余计算
• 如果偏好函数式写法避免显式循环，也可以用purrr::accumulate实现累积更新，逻辑和上述for循环完全一致，结果相同
• 不需要提前手动初始化n系列列也可以运行，直接从初始状态c(4,0,0,0)开始迭代即可

内容的提问来源于stack exchange，提问作者Ai4l2s