R语言按id分组后统计组内出生年份重复次数的实现咨询

实现方案 #

方案1：tidyverse 实现 #

适合习惯dplyr语法的场景，20万行数据运行无压力：

library(tidyverse)

df_result <- df %>%
  group_by(id) %>%
  mutate(n = {
    # 统计当前id下各出生年份的出现次数
    year_count <- table(birth_year)
    # 取最大出现次数，若最大值为1说明所有年份唯一，返回0
    max_count <- max(year_count)
    ifelse(max_count == 1, 0, max_count)
  }) %>%
  ungroup()

方案2：data.table 实现 #

针对大数据量优化，运行速度更快，更适合10万行以上的数据集：

library(data.table)

# 转换为data.table格式
setDT(df)
# 先统计每个id+年份组合的出现次数，再按id取最大次数做判断
df[, cnt := .N, by = .(id, birth_year)][
  , n := fifelse(max(cnt) == 1, 0, max(cnt)), by = id
][, cnt := NULL] # 删除临时计数列

两种方案运行后得到的结果和你给出的预期输出完全一致。

内容的提问来源于stack exchange，提问作者Paula