R语言分组计算序列净留存占比 lead函数应用问题

问题核心 #

你之前用lead不符合需求的原因是lead只能提取相邻下一行的单个值，而你需要的是同分组内所有序号大于当前行的计数总和，用反向累加即可高效实现，不需要额外安装第三方包。

实现代码 #

library(dplyr)

df <- df %>%
  group_by(tier_1) %>%
  # 分组内按序号升序排列，保证顺序正确
  arrange(sequence_number, .by_group = TRUE) %>%
  mutate(
    # 计算所有序号更大的计数总和：反向累加后减去当前行计数
    sum_larger = rev(cumsum(rev(count_of_sequence_numbers))) - count_of_sequence_numbers,
    # 计算净计数
    net_count = count_of_sequence_numbers - sum_larger,
    # 同组内用净计数计算占比
    percent = net_count / sum(net_count)
  ) %>%
  # 可根据需要删除中间辅助列
  select(-sum_larger)

逻辑验证 #

以你示例中Organic Search分组为例：

• sequence_number=1的count_of_sequence_numbers为1176，后面序号2到10的计数总和为460+119+41+21+5+8+6+2+1=663，净计数为1176-663=513，和代码计算结果一致。

内容的提问来源于stack exchange，提问作者hachiko