R语言：基于双数据框统计AC事件簇前后2周的上报记录数量

核心逻辑 #

1. 先聚合AC事件数据：按公园、事件簇编号分组，计算每个簇的首个事件日期、末次事件日期、簇内事件总数
2. 匹配上报数据：逐簇统计对应公园、对应时间范围内的上报记录数

实现代码 #

# 加载依赖包，仅需dplyr即可完成
library(dplyr)

# 第一步：聚合得到每个AC事件簇的基础信息
cluster_basic <- AC_clusters %>%
  group_by(Park, Cluster) %>%
  summarise(
    Start_date = min(Date),
    End_date = max(Date),
    Number_AC = n(),
    .groups = "drop" # 分组运算完成后取消分组
  )

# 第二步：统计每个簇前后2周的上报记录数，得到最终结果
reports_before_after_AC_clusters <- cluster_basic %>%
  rowwise() %>%
  mutate(
    # 统计簇首日期前14天内的上报数（不含簇首当天）
    Number_reports_before = sum(
      Reports_per_park_per_day_2$Park == Park &
      Reports_per_park_per_day_2$Date >= Start_date - 14 &
      Reports_per_park_per_day_2$Date < Start_date
    ),
    # 统计簇末日期后14天内的上报数（不含簇末当天）
    Number_reports_after = sum(
      Reports_per_park_per_day_2$Park == Park &
      Reports_per_park_per_day_2$Date > End_date &
      Reports_per_park_per_day_2$Date <= End_date + 14
    )
  ) %>%
  ungroup()

优化说明 #

如果你的数据量超过10万行，可改用data.table或fuzzyjoin包的关联逻辑提升运算效率，小数据集直接运行上述代码即可得到和预期完全一致的输出结果。

内容的提问来源于stack exchange，提问作者Gab_Laj