如何用R语言dplyr包一次性计算人员在各国的时间占比？

数据集 #

myt = structure(list(name = c("Alice", "Bob", "Bob", "Charlie", "Diana", 
"Diana", "Eve", "Eve", "Frank", "Frank", "Frank", "Grace", "Grace", 
"Henry", "Henry", "Henry"), country = c("USA", "Canada", "Mexico", 
"UK", "France", "Germany", "USA", "Canada", "Mexico", "USA", 
"UK", "France", "Germany", "USA", "Canada", "Mexico"), date_arrived = structure(c(17897, 
18414, 18536, 18779, 18231, 18475, 18597, 18687, 18048, 18322, 
18567, 17897, 18762, 18383, 18489, 18597), class = "Date"), date_left = structure(c(18322, 
18506, 18659, 18840, 18444, 18567, 18659, 2932896, 18231, 18506, 
2932896, 18353, 18809, 18489, 18597, 18748), class = "Date")), class = "data.frame", row.names = c(NA, 
-16L))

统计需求 #

• 针对2020年5月1日至2021年5月1日期间有数据的所有人员；
• 计算该时间段内他们在每个国家的停留时间占比；
• 若人员覆盖整个时间段，分母用365天；否则用其实际停留总天数（即取365和实际总天数的较小值）；
• 同一日期人员仅可能在一个国家，但可在年内往返多国。

dplyr一站式实现代码 #

library(dplyr)

# 定义时间段
period_start <- as.Date("2020-05-01")
period_end <- as.Date("2021-05-01")
total_period_days <- as.numeric(period_end - period_start)

final_results <- myt %>%
  # 计算有效停留起止日期（截断到目标时间段内）
  mutate(
    effective_arrival = pmax(date_arrived, period_start),
    effective_departure = pmin(date_left, period_end),
    # 判断是否在时间段内有停留，计算有效停留天数
    in_range = effective_arrival < effective_departure,
    num_days_in_range = ifelse(in_range, as.numeric(effective_departure - effective_arrival), 0)
  ) %>%
  # 筛选出在时间段内有停留的记录
  filter(in_range) %>%
  # 按姓名+国家聚合，计算每个国家的停留天数
  group_by(name, country) %>%
  summarise(days_in_country = sum(num_days_in_range), .groups = "drop_last") %>%
  # 按姓名聚合，计算个人总停留天数，同时确定分母
  mutate(
    total_days_present = sum(days_in_country),
    denominator = pmin(total_days_present, total_period_days)
  ) %>%
  # 计算占比并保留两位小数
  mutate(percentage = round(100 * days_in_country / denominator, 2)) %>%
  # 按姓名和国家排序，整理列顺序
  arrange(name, country) %>%
  select(name, country, days_in_country, total_days_present, denominator, percentage)

# 查看结果
print(final_results)

代码说明 #

1. mutate阶段：对应基础R中计算有效日期、判断是否在范围内、计算停留天数的步骤，直接在原数据上新增列，无需拆分数据框；
2. filter阶段：筛选出有有效停留的记录，替代基础R中myt_in_range的子集操作；
3. 链式聚合操作：先用group_by(name, country)计算每个国家的停留天数，再通过.groups = "drop_last"保留姓名分组，直接计算个人总停留天数和分母，避免了基础R中两次aggregate再merge的繁琐；
4. 排序和列整理：用arrange和select一步完成排序和列顺序调整，代码更直观。

内容的提问来源于stack exchange，提问作者stats_noob