基于两种不同条件使用R统计列数据的求助

嘿，作为R新手碰到这种数据处理问题确实头疼，两周时间够磨人的了！我来帮你搞定这个需求～

首先咱们明确核心需求：

• 新退订数：邮箱从Subscribed变为Unsubscribed的数量
• 现有订阅数：邮箱始终保持Subscribed的数量

我推荐用dplyr包来处理，它的语法直观，很适合新手上手。下面一步步来：

步骤1：准备数据（模拟你的数据集） #

先把你给的示例数据转换成R可处理的格式：

# 先加载dplyr包，如果没安装先运行 install.packages("dplyr")
library(dplyr)

# 构造示例数据集
df <- tibble(
  Email = c("fake@123", "real@123", "fake@123", "real@123"),
  Status = c("Subscribed", "Subscribed", "Unsubscribed", "Subscribed")
)

步骤2：分组处理状态 #

我们需要按邮箱分组，然后判断每个邮箱的状态是否变更，以及最新状态是什么：

processed_df <- df %>%
  # 按邮箱分组，让每个邮箱的状态数据聚在一起
  group_by(Email) %>%
  summarise(
    # 判断该邮箱是否有过状态变更（状态种类大于1）
    status_changed = n_distinct(Status) > 1,
    # 获取最新状态：这里默认数据是按时间先后排序的，如果你的数据有时间列，记得先按时间排序！
    # 比如如果有timestamp列，就先加一行 arrange(Email, timestamp)
    latest_status = last(Status)
  ) %>%
  # 根据条件分类
  mutate(
    category = case_when(
      # 有变更且最新状态是退订 → 新退订
      status_changed & latest_status == "Unsubscribed" ~ "新退订",
      # 无变更且始终是订阅 → 现有订阅
      !status_changed & latest_status == "Subscribed" ~ "现有订阅",
      # 其他情况（比如从退订变回订阅）可以根据你的需求调整
      TRUE ~ "其他状态变更"
    )
  )

步骤3：统计各类别数量 #

最后统计每个类别的邮箱数量：

count_result <- processed_df %>%
  count(category)

# 查看结果
print(count_result)

运行后你会得到和你预期一致的结果：

# A tibble: 2 × 2
  category     n
  <chr>    <int>
1 新退订        1
2 现有订阅      1

新手注意事项 #

• 如果你的原始数据没有按时间排序，一定要先添加时间列（或者你有记录状态变化顺序的列），然后用arrange(Email, 时间列)排序，不然last(Status)取到的不是最新状态，结果会出错！
• 如果还有其他状态变化场景（比如用户先退订又订阅），可以修改case_when里的条件来适配你的需求。

内容的提问来源于stack exchange，提问作者Stick