如何使用dplyr和lubridate统计每年12月31日的活跃员工数？

嘿，别担心！你熟悉的dplyr和lubridate工具完全能搞定这个需求，核心是先明确**“12月31日活跃员工”的定义**：通常指在当年12月31日当天处于在职状态的员工，也就是同时满足两个条件：

• 入职日期 ≤ 当年12月31日
• 离职日期 ≥ 当年12月31日（或者离职日期为空，说明员工至今仍在职）

下面我用两种常见的思路给你演示具体实现，假设你的初始数据集名为employee_data，包含employee_id（唯一员工ID）、hire_date（入职日期）、termination_date（离职日期，可能有NA）这几个核心字段。

方法一：针对每个年末日期逐一筛选统计 #

这种思路直观易懂，适合需要明确指定统计年份范围的场景：

library(dplyr)
library(lubridate)
library(purrr) # 用于批量处理日期

# 1. 先把日期字段转成lubridate的标准日期格式（如果还没转的话）
employee_data <- employee_data %>%
  mutate(
    hire_date = ymd(hire_date),
    termination_date = ymd(termination_date)
  )

# 2. 确定要统计的年份范围（从最早入职年份到当前年份）
min_year <- year(min(employee_data$hire_date, na.rm = TRUE))
max_year <- year(today())

# 3. 生成所有要统计的年末日期（每年12月31日）
year_end_dates <- ymd(paste0(min_year:max_year, "-12-31"))

# 4. 批量处理每个年末日期，统计活跃员工数
active_by_year <- map_dfr(year_end_dates, function(end_date) {
  employee_data %>%
    # 筛选符合条件的活跃员工
    filter(
      hire_date <= end_date,
      (is.na(termination_date) | termination_date >= end_date)
    ) %>%
    # 去重员工ID（避免同一员工因数据重复被多次计数）
    distinct(employee_id) %>%
    # 统计数量并关联对应年份
    summarise(
      year = year(end_date),
      active_employee_count = n()
    )
})

# 查看最终结果
active_by_year

方法二：基于员工在职年份区间展开统计 #

这种思路适合先梳理每个员工的在职年份跨度，再统计各年份的活跃人数：

library(dplyr)
library(lubridate)

employee_data <- employee_data %>%
  mutate(
    hire_date = ymd(hire_date),
    termination_date = ymd(termination_date)
  ) %>%
  # 计算每个员工的在职起始年份和结束年份（未离职的用当前年份）
  mutate(
    start_year = year(hire_date),
    end_year = ifelse(is.na(termination_date), year(today()), year(termination_date))
  ) %>%
  # 展开每个员工在职的所有年份
  rowwise() %>%
  mutate(year = list(start_year:end_year)) %>%
  unnest(year) %>%
  # 过滤掉离职年份中，员工在年末前已离职的情况
  filter(
    is.na(termination_date) | 
      (year(termination_date) == year & termination_date >= ymd(paste0(year, "-12-31")))
  ) %>%
  # 按年份分组，统计唯一员工数
  distinct(employee_id, year) %>%
  group_by(year) %>%
  summarise(active_employee_count = n()) %>%
  ungroup()

关键逻辑说明 #

你熟悉的filter、mutate、distinct、group_by、summarise全程都用到了：

• filter用来精准筛选年末当天在职的员工
• distinct确保每个员工在同一年份只被计数一次
• lubridate的year()、ymd()用来轻松处理日期格式和年份提取
• 两种方法都能得到你想要的“年份+年末活跃员工数”的目标数据集

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