在R中使用dplyr统计两变量首次出现（排除变量相等情形）

当然可以用dplyr完美替代Excel的COUNTIFS来搞定这个需求！而且代码逻辑更清晰，还能轻松处理更大的数据集，比手动在Excel里写函数省心多了。

核心逻辑拆解 #

我们要实现的效果是：

• 排除IPC与2IPC取值完全相同的案例（这类行的occurrence直接设为0）
• 对于IPC和2IPC不同的组合，标记该组合首次出现的行为1，后续重复出现的行为0

完整代码实现 #

假设你的原始数据框名为df，直接运行下面的代码就能生成目标occurrence列：

library(dplyr)

df <- df %>%
  # 第一步：先把IPC和2IPC相同的行直接标记为0，其他先设为NA留待后续处理
  mutate(occurrence = ifelse(IPC == 2IPC, 0, NA)) %>%
  # 第二步：按IPC和2IPC的组合分组，对未标记的行判断是否是首次出现
  group_by(IPC, 2IPC) %>%
  mutate(occurrence = ifelse(is.na(occurrence), 
                             ifelse(row_number() == 1, 1, 0), 
                             occurrence)) %>%
  # 取消分组，避免后续操作受分组影响
  ungroup()

代码解释 #

1. 初始标记：用ifelse直接把IPC和2IPC相等的行的occurrence设为0，其他行暂时设为NA，这样我们只需要处理剩下的行。
2. 分组标记首次出现：通过group_by(IPC, 2IPC)把相同组合的行归为一组，然后用row_number()判断是否是组内第一行——第一行设为1，其余设为0。
3. 取消分组：最后用ungroup()取消分组，确保后续对数据框的操作不受分组限制。

验证示例数据 #

把你提供的示例数据代入这段代码，得到的occurrence列会和你用Excel生成的完全一致，比如：

• 1968年的(G01S, Na)组合首次出现，标记为1；1969年再次出现时标记为0
• 所有IPC和2IPC相同的行（比如1971年的(G01S, G01S)）都被标记为0

内容的提问来源于stack exchange，提问作者Amleto