在R中如何统计tibble的list column指向另一data frame指定属性的次数？

错误原因 #

你的代码中使用large$id %in% .x会对匹配的id去重，比如第一个links里的两个3只会被视为一次匹配，导致统计结果少算一次。

正确方案 #

方案一：使用match保留重复匹配 #

library(tidyverse)

a <- c(3, 3, NA, 5)
b <- c(NA, 3, 4, 5)

small <- tibble(id = c(1, 2),
                links = list(a, b))

large <- tibble(id = c(3, 4, 5),
                att = c("yes", "no", "maybe"))

counted <- small %>%
  mutate(count_yes = map_int(links, ~ {
    # 为links中的每个元素匹配对应的att值
    matched_att <- large$att[match(.x, large$id)]
    # 统计"yes"的数量，忽略NA
    sum(matched_att == "yes", na.rm = TRUE)
  }))

print(counted)
#> # A tibble: 2 × 3
#>      id links     count_yes
#>   <dbl> <list>        <int>
#> 1     1 <dbl [4]>         2
#> 2     2 <dbl [4]>         1

方案二：展开列表后分组统计（更直观的tidy风格） #

counted <- small %>%
  # 把list列展开为多行
  unnest(links) %>%
  # 关联large表获取对应的att值
  left_join(large, by = c("links" = "id")) %>%
  # 按small的id分组统计
  group_by(id) %>%
  summarise(
    count_yes = sum(att == "yes", na.rm = TRUE),
    # 把links重新合并为list列（还原原结构）
    links = list(links)
  ) %>%
  ungroup()

print(counted)
#> # A tibble: 2 × 3
#>      id count_yes links    
#>   <dbl>     <int> <list>   
#> 1     1         2 <dbl [4]>
#> 2     2         1 <dbl [4]>

两种方案都能得到正确的count_yes结果：2和1。

内容的提问来源于stack exchange，提问作者geoscience123