R语言双数据表关联统计：按邮编与时间统计同地区存续银行数量

问题原因 #

1. 你的for循环存在语法错误：for (row in 1:nrow(Data_firm){ 缺少右括号，正确写法应为for (row in 1:nrow(Data_firm)){，语法错误会导致代码无法正常执行，得到错误结果。
2. 核心逻辑问题：time、entry、exit三个字段均为字符类型，当时间为多位数时（比如"10"月），字符比较按位对比的规则会出现"10" < "2"的逻辑错误；即使是单个数字的测试场景，如果字段被默认存为因子类型，也会因为因子的内部编码规则导致比较逻辑完全失效。

可行解决方案 #

方案1：修复原有循环逻辑 #

先将时间字段转为数值型，再运行修正后的循环：

# 先把所有时间字段转为数值型
Data_firm$time <- as.numeric(Data_firm$time)
Data_bank$entry <- as.numeric(Data_bank$entry)
Data_bank$exit <- as.numeric(Data_bank$exit)

# 修正括号后的循环
for (row in 1:nrow(Data_firm)){
  dep <- Data_firm[row, "postal"]
  time <- Data_firm[row, "time"]
  count <- sum(Data_bank$Postal_bank == dep & Data_bank$entry <= time & Data_bank$exit > time, na.rm = TRUE)
  Data_firm[row,"nbbankindepartment"] <- count
}

方案2：更高效的向量化运算（适配大型数据集） #

如果数据集体量较大，循环执行效率极低，可以用dplyr的连接操作实现需求，运行速度提升非常明显：

library(dplyr)

Data_firm <- Data_firm %>%
  mutate(time = as.numeric(time)) %>%
  left_join(Data_bank %>% 
              mutate(entry = as.numeric(entry), exit = as.numeric(exit)),
            by = c("postal" = "Postal_bank")) %>%
  group_by(Firm, time, postal) %>%
  summarise(nbbankindepartment = sum(entry <= time & exit > time, na.rm = T),
            .groups = "drop")

两种方案运行后得到的nbbankindepartment列均符合预期的c(1,2,1)结果。

内容的提问来源于stack exchange，提问作者Nicolas