基于dplyr按时间戳计算跨时段累计和的实现方法咨询

可行性说明 #

可以单步实现该需求，你当前分年度单独赋值的写法冗余度高，后续新增年份还要重复编写过滤逻辑，用聚合+累计求和的方式可以一步得到所有年份的累计激活率结果。

推荐工具包 #

• 推荐使用R语言tidyverse生态下的dplyr+lubridate组合，是业内做结构化数据统计的常用工具包，无需额外复杂配置即可实现需求。
• 如果不想引入过多依赖，仅用dplyr也可以完成计算，只需调整年份提取逻辑即可。

实现代码 #

# 加载依赖包
library(dplyr)
library(lubridate)

# 单步计算所有年份的累计激活率
cum_activate_result <- activate_rate %>%
  # 从join_day中提取入职年份，如果join_day是字符格式且前四位为年份，也可替换为 substr(join_day,1,4)
  mutate(join_year = year(ymd(join_day))) %>%
  # 按入职年份分组，汇总单年的激活人数和总样本量
  group_by(join_year) %>%
  summarise(
    year_activate_num = sum(if_activate),
    year_total_num = n()
  ) %>%
  # 按年份升序排序后计算累计值
  arrange(join_year) %>%
  mutate(
    cum_activate_num = cumsum(year_activate_num),
    cum_total_num = cumsum(year_total_num),
    # 累计激活率 = 累计激活人数 / 累计总样本量，和你原代码逻辑完全一致
    cum_activate_rate = cum_activate_num / cum_total_num
  )

结果使用说明 #

最终输出的cum_activate_result表中，每一行的cum_activate_rate即为截止到对应年份的累计激活率：

• 2019行的结果对应你原代码的activate_2019
• 2020行的结果对应你原代码的activate_2020
• 以此类推，后续新增年份无需修改代码即可自动计算对应累计值

内容的提问来源于stack exchange，提问作者suzmiu