如何用dplyr统计F1赛事起步领跑最终夺冠的相对频率

首先安装并加载所需依赖包：

# 安装依赖包（仅首次运行需要）
install.packages(c("dplyr", "tidyr", "readr"))

# 加载包
library(dplyr)
library(tidyr)
library(readr)

数据读取 #

使用你提供的url直接读取数据集：

url <- paste0("https://10d9b011-755b-4b59-9f64-dbfb2ae95d87.filesusr.com/",
              "ugd/0c24ab_a29a977ec1404b69bf7cc34fcc58b073.csv?",
              "dn=Aus%20GP%20Lap%20Data.csv")
f1_data <- read_csv(url)

统计实现 #

stat_result <- f1_data %>%
  # 仅保留第1圈和最后一圈的记录，过滤无效数据
  filter(lap %in% c(1, 58)) %>%
  # 按年份、车手分组，避免跨赛事/跨车手的记录混淆
  group_by(Year, driverId) %>%
  # 仅保留同一年同时有第1圈、第58圈记录的车手（排除未完赛车手）
  filter(n() == 2) %>%
  # 长表转宽表，把圈数转为列名，对应排名作为列值
  pivot_wider(names_from = lap, values_from = position, names_prefix = "lap_") %>%
  ungroup() %>%
  # 筛选起步第一且最终夺冠的记录
  filter(lap_1 == 1, lap_58 == 1)

# 计算核心指标
total_races <- n_distinct(f1_data$Year) # 总赛事场数
win_count <- nrow(stat_result) # 满足条件的场次数
win_rate <- win_count / total_races # 相对占比

结果查看 #

# 输出统计值
cat("起步领跑车手最终夺冠的次数：", win_count, "\n")
cat("1996-2019年总赛事场数：", total_races, "\n")
cat("起步夺冠占比：", round(win_rate * 100, 2), "%\n")

# 查看所有满足条件的对应年份和车手信息
print(stat_result %>% select(Year, driverId))

内容的提问来源于stack exchange，提问作者Manbearpig