在R中统计行程字符串各阶段的次级活动数量

嘿，这个交通规划里的活动统计需求我熟！咱们用R一步步来实现，轻松搞定三类次级活动的计数：

首先先明确规则：

• 初级活动：work、education
• 次级活动：除上述两类之外的所有活动（比如home、leisure、shopping、errand等）
• 要统计三个维度：
  1. 首次初级活动之前的次级活动数量
  2. 两次初级活动之间的次级活动总数（如果有多个初级活动的话）
  3. 最后一次初级活动之后的次级活动数量

接下来用tidyverse工具链处理，代码简洁又直观：

第一步：加载包并构造示例数据 #

library(tidyverse)

# 构造你的示例DataFrame
df <- tibble(
  tours = c(
    "home_work_leisure_home",
    "home_work_shopping_work_home",
    "home_work_leisure_errand_home"
  )
)

第二步：处理行程数据并统计指标 #

df_processed <- df %>%
  mutate(
    # 把每个行程拆分成单独的活动列表
    activity_list = str_split(tours, "_", simplify = FALSE),
    # 给每个活动标记是初级还是次级
    activity_type = map(activity_list, ~case_when(
      .x %in% c("work", "education") ~ "primary",
      TRUE ~ "secondary"
    )),
    # 找出所有初级活动在列表中的位置索引
    primary_positions = map(activity_type, ~which(.x == "primary")),
    # 统计首次初级活动前的次级活动数
    pre_primary_secondary = map2_int(activity_type, primary_positions, ~{
      if (length(.y) == 0) {
        # 如果没有初级活动，可根据需求调整逻辑，这里返回所有次级活动数
        sum(.x == "secondary")
      } else {
        sum(.x[1:(.y[1]-1)] == "secondary")
      }
    }),
    # 统计两次初级活动之间的次级活动总和
    between_primary_secondary = map2_int(activity_type, primary_positions, ~{
      if (length(.y) < 2) {
        0  # 少于2个初级活动，中间无间隔
      } else {
        # 遍历每对相邻初级活动，计算中间次级数再求和
        sum(map2_dbl(.y[-length(.y)], .y[-1], ~{
          sum(.x[(.x+1):(.y-1)] == "secondary")
        }))
      }
    }),
    # 统计最后一次初级活动后的次级活动数
    post_primary_secondary = map2_int(activity_type, primary_positions, ~{
      if (length(.y) == 0) {
        0
      } else {
        sum(.x[(.y[length(.y)]+1):length(.x)] == "secondary")
      }
    })
  )

第三步：查看最终结果 #

df_processed %>%
  select(tours, pre_primary_secondary, between_primary_secondary, post_primary_secondary)

运行后会得到如下结果：

# A tibble: 3 × 4
  tours                          pre_primary_secondary between_primary_secondary post_primary_secondary
  <chr>                                       <int>                     <int>                  <int>
1 home_work_leisure_home                          1                         0                      1
2 home_work_shopping_work_home                    1                         1                      1
3 home_work_leisure_errand_home                   1                         0                      2

补充说明 #

• 如果数据里存在无初级活动的行程，可根据实际需求调整pre_primary_secondary的逻辑（比如设为0或全部次级数）
• 若出现连续初级活动（如work_work），中间次级数会自动计为0，符合业务逻辑
• 用map系列函数确保每个行程独立计算，适配不同长度的活动序列

内容的提问来源于stack exchange，提问作者N.F