按员工ID分组计算连续出勤天数平均值 R tibble操作问题

核心思路 #

首先为每位员工标记所有连续出勤的独立时段，统计每个时段的出勤天数后，按员工ID分组计算均值即可。针对特殊值的处理规则如下：

• Consec_Days为NA：属于员工首次出勤，是新连续时段的起点
• Consec_Days为0：代表连续出勤中断，是下一个新连续时段的起点
• Consec_Days为1：属于当前正在延续的连续时段

实现代码（tidyverse方案，适配百万行量级性能） #

library(dplyr)

result <- your_tibble %>%
  # 按员工ID分组，按出勤日期排序避免原始数据顺序混乱
  group_by(Emp_ID) %>%
  arrange(Start_Date, .by_group = TRUE) %>%
  # 生成连续段ID：遇到NA或0时新建一个连续段
  mutate(
    period_id = cumsum(ifelse(is.na(Consec_Days) | Consec_Days == 0, 1, 0))
  ) %>%
  # 按员工+连续段分组，统计每个段的出勤天数
  group_by(Emp_ID, period_id) %>%
  summarise(period_days = n(), .groups = "drop_last") %>%
  # 按员工分组计算平均连续出勤天数
  summarise(avg_consec_days = mean(period_days), .groups = "drop")

样例结果验证 #

用你提供的样例数据计算得到的结果如下：

• 员工ID=4：仅1个连续段，共3天，平均连续出勤天数为3
• 员工ID=3：共4个连续段，天数分别为1、3、2、1，平均连续出勤天数为1.75

性能说明 #

上述方案全程使用向量化运算，百万行量级数据可在数秒内完成计算。如果数据量超过千万行，可以替换为data.table实现相同逻辑，性能会更高。

内容的提问来源于stack exchange，提问作者user3736739