带缺失值的ID分组时间序列1/0状态切换次数统计的R代码需求

嘿，针对你提出的带缺失值的时间序列数据，需要统计每个ID在1和0之间的状态切换次数，这里提供两种常用的R实现方法，都能妥善处理随机缺失值：

方法一：使用dplyr进行分组处理 #

先加载必要的包，然后按ID分组，清理缺失值后计算切换次数：

# 若未安装dplyr，先运行 install.packages("dplyr")
library(dplyr)

# 构造你的示例数据
id=c(1,1,1,1,2,2,2,2,3,3,3,3,4,4,4,4) 
indicator=c(1,0,0,0,1,1,NA,1,1,0,1,0,NA,1,1,0) 
timepoint=c(2003,2004,2005,2006) 
td = data.frame(id,timepoint,indicator)

# 统计每个个体的状态切换次数
switch_counts <- td %>%
  group_by(id) %>%
  # 过滤当前个体的缺失观测，保证时间顺序（若数据无序可加 arrange(timepoint)）
  filter(!is.na(indicator)) %>%
  # 对比当前与前一个时间点的状态，不同则标记为1（切换）
  mutate(switch = ifelse(indicator != lag(indicator), 1, 0)) %>%
  # 对切换标记求和，自动忽略第一个观测的NA（lag无前置值）
  summarise(total_switches = sum(switch, na.rm = TRUE)) %>%
  ungroup()

# 查看结果
print(switch_counts)

代码说明 #

• group_by(id)：按个体ID分组，保证每个ID独立计算
• filter(!is.na(indicator))：移除当前个体的缺失值，避免干扰切换判断
• mutate(switch = ...)：用lag()获取前一个时间点的状态，与当前状态对比，差异不为0则标记为切换
• summarise(total_switches = ...)：对每个ID的切换标记求和，na.rm=TRUE忽略无效的NA值

方法二：基础R实现（无需额外包） #

如果不想加载第三方包，用基础R也能轻松实现：

# 构造你的示例数据
id=c(1,1,1,1,2,2,2,2,3,3,3,3,4,4,4,4) 
indicator=c(1,0,0,0,1,1,NA,1,1,0,1,0,NA,1,1,0) 
timepoint=c(2003,2004,2005,2006) 
td = data.frame(id,timepoint,indicator)

# 按ID拆分数据为列表
split_td <- split(td, td$id)

# 定义计算单个ID切换次数的函数
count_switches <- function(df) {
  # 提取当前个体的有效状态（过滤缺失值）
  valid_indicators <- df$indicator[!is.na(df$indicator)]
  # 若有效观测少于2次，切换次数为0
  if(length(valid_indicators) < 2) return(0)
  # 计算相邻状态的差值，统计非0的数量（即切换次数）
  sum(diff(valid_indicators) != 0)
}

# 对每个ID应用函数并整理结果
switch_counts_base <- sapply(split_td, count_switches)
switch_counts_base <- data.frame(id = names(switch_counts_base), total_switches = as.numeric(switch_counts_base))

# 查看结果
print(switch_counts_base)

代码说明 #

• split(td, td$id)：将数据按ID拆分为子数据集列表，每个元素对应一个个体
• count_switches函数：先清理缺失值，若有效观测不足2次直接返回0；用diff()计算相邻状态的差值，差值不为0代表发生切换，统计这类情况的总数
• sapply()：批量将函数应用到每个ID的子数据上

两种方法得到的结果完全一致，比如ID3的有效状态序列是[1,0,1,0]，切换次数为3；ID4的有效状态序列是[1,1,0]，切换次数为1，都能被正确计算。

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