R语言如何排除调研数据中的重复ID用户进行统计计算

前提假设：同一id对应的用户age字段无冲突，若存在跨年度调研导致年龄更新，可优先取首次/最新调研的年龄值计算。

• Base R实现：

# 按id去重，保留每个用户唯一的一条记录
unique_user_df <- df[!duplicated(df$id), ]
# 计算平均年龄
mean(unique_user_df$age)

• dplyr实现：

library(dplyr)
# 按id去重后提取年龄求均值，如需按时间取最早/最晚记录可先对date排序
df %>% 
  distinct(id, .keep_all = TRUE) %>% 
  pull(age) %>% 
  mean()

• Base R实现：

# 统计每个id的参与次数
user_participate_times <- table(df$id)
# 统计各参与次数对应的用户数，转成结构化表格
result_table <- as.data.frame(table(user_participate_times), col.names = c("参与次数", "用户数"))

• dplyr实现：

library(dplyr)
result_table <- df %>% 
  # 按用户id分组统计参与次数
  group_by(id) %>% 
  summarise(participate_times = n()) %>% 
  # 按参与次数分组统计对应用户数
  group_by(participate_times) %>% 
  summarise(用户数 = n()) %>% 
  # 可选：补全1-10次所有档位，无用户的档位用户数填0
  tidyr::complete(participate_times = 1:10, fill = list(用户数 = 0))

输出的result_table即为所需的参与次数与对应用户数的统计表格。

内容的提问来源于stack exchange，提问作者Heiko