基于条件统计DataFrame值被另一DataFrame超过的次数及交易汇总

嘿，我来帮你搞定这两个R语言数据处理的问题，咱们一步步来：

1. 生成交易数据的汇总DataFrame #

首先先确认你提供的交易数据，先把代码和对应的表格摆出来：

Transactions <- data.frame(Size=c("S","S","S","S","L","L","S","L"), 
                           Color=c("R","R","R","B","R","B","B","R"), 
                           Year=c(1,1,2,1,1,1,2,2))

对应的表格：

要生成你需要的汇总表，按Size和Color分组统计各年份交易数+总次数，用dplyr包最方便（没装的话先跑install.packages("dplyr")）：

library(dplyr)

# 生成汇总表：按Size-Color组合分组，统计各年份交易数和总次数
summary_df <- Transactions %>%
  group_by(Size, Color) %>%
  summarize(
    Year1_Count = sum(Year == 1),  # 第1年的交易数
    Year2_Count = sum(Year == 2),  # 第2年的交易数
    Total_Count = n(),             # 该组合的总交易数
    .groups = "drop"  # 取消分组，返回普通DataFrame
  )

print(summary_df)

运行后得到的结果完全符合你提到的SR交易情况：

# A tibble: 4 × 5
  Size  Color Year1_Count Year2_Count Total_Count
  <chr> <chr>       <int>       <int>       <int>
1 L     B               1           0           1
2 L     R               1           1           2
3 S     B               1           1           2
4 S     R               2           1           3

2. 统计一个DataFrame的值被另一个DataFrame的值超过的次数 #

我先假设一个常见的场景：比如你有一个汇总好的目标DataFrame（就是上面的summary_df），还有一个参考阈值DataFrame，需要统计目标数据中哪些值超过了对应参考阈值的次数。咱们用具体例子来演示：

第一步：先定义参考阈值DataFrame #

比如我们给每个Size-Color组合设定一个总交易数的阈值：

reference_df <- data.frame(
  Size = c("L", "L", "S", "S"),
  Color = c("B", "R", "B", "R"),
  Threshold = c(1, 1, 1, 2)  # 对应组合的阈值
)

第二步：关联两个DataFrame #

通过Size和Color把两个表合并，这样就能把每个组合的阈值和实际统计值对应起来：

combined_df <- summary_df %>%
  left_join(reference_df, by = c("Size", "Color"))

第三步：判断并统计超过次数 #

先添加一列标记是否超过阈值，再统计符合条件的行数：

# 新增列：标记Total_Count是否超过对应Threshold
combined_df <- combined_df %>%
  mutate(Is_Exceed = Total_Count > Threshold)

# 统计超过阈值的总次数
exceed_count <- sum(combined_df$Is_Exceed, na.rm = TRUE)

# 输出结果
cat("超过阈值的总次数：", exceed_count, "\n")

运行后会输出超过阈值的总次数： 1，因为只有S-R组合的总交易数(3)超过了设定的阈值(2)。

如果你的需求是其他维度的比较（比如按年份的交易数和阈值对比），只需要把Total_Count换成对应的Year1_Count或Year2_Count就行，逻辑是一样的。

内容的提问来源于stack exchange，提问作者Rick Olson