如何按时间节点统计累计唯一值？R语言技术求助

嗨，我来帮你搞定这个需求！你想要计算到每条记录的时间点为止，对应个人已经居住过的唯一地点数量，对吧？先看看你的代码里的小问题，再给你正确的解决方案。

首先，先修正你示例数据里的一个小错误：person列的A和B需要加引号，不然R会把它们当成未定义的变量，直接运行会报错。修正后的数据集代码是：

created <- c(2009,2010,2010,2011, 2012, 2011)
person <- c("A", "A", "A", "A", "B", "B")
location <- c('London','Geneva', 'London', 'New York', 'London', 'London')
df <- data.frame(created, person, location)

你现有代码的问题 #

• 拼写错误：arrange(Created里的列名应该是小写的created，要和数据框里的列名保持一致；
• mutate(unique=distinct(location))用法不对：distinct()是用来筛选去重的行，不是用来计算累计唯一值的数量，这一步完全达不到你想要的统计效果。

正确的解决方案 #

我们需要按个人分组，先按时间排序，然后累计统计每个地点首次出现的次数，用dplyr可以这样实现：

library(dplyr)

df_result <- df %>%
  group_by(person) %>%
  arrange(created, .by_group = TRUE) %>%  # 按个人分组后，按时间从小到大排序
  mutate(unique = cumsum(!duplicated(location)))  # 累计统计首次出现的地点数量

# 查看最终结果
df_result

代码逻辑解释 #

1. group_by(person)：确保我们是针对每个人单独计算累计值，不会把不同人的数据混在一起；
2. arrange(created, .by_group = TRUE)：把每个人的记录按时间顺序排列，保证累计是从最早到最晚的时间节点依次进行；
3. !duplicated(location)：在每个个人的分组内，标记当前地点是否是首次出现——首次出现返回TRUE（转为数值1），重复出现返回FALSE（转为数值0）；
4. cumsum()：对上面的标记值做累加，每一行的结果就是到当前时间点为止，该人居住过的唯一地点总数。

运行这段代码后，你会得到完全符合期望的unique列：c(1, 2, 2, 3, 1, 1)！

内容的提问来源于stack exchange，提问作者user3570187