如何用dplyr聚合重塑数据集生成可视化友好的汇总表

步骤1：数据预处理 #

首先需要将likes和retweet字段中的###替换为缺失值（NA），并转换为数值类型——否则无法进行求和计算：

library(dplyr)
library(stringr)

# 假设你的数据集名为df
df_cleaned <- df %>%
  mutate(
    likes = as.numeric(str_replace(likes, "###", NA_character_)),
    retweet = as.numeric(str_replace(retweet, "###", NA_character_))
  )

步骤2：按year分组汇总 #

接下来按year分组，计算每组的count总数，以及民主党（D）、共和党（R）各自的likes和retweet总和：

summary_table <- df_cleaned %>%
  group_by(year) %>%
  summarise(
    total_count = sum(count, na.rm = TRUE),  # 每组count总数
    D_likes_sum = sum(likes[party == "D"], na.rm = TRUE),  # 民主党likes总和
    D_retweet_sum = sum(retweet[party == "D"], na.rm = TRUE),  # 民主党retweet总和
    R_likes_sum = sum(likes[party == "R"], na.rm = TRUE),  # 共和党likes总和
    R_retweet_sum = sum(retweet[party == "R"], na.rm = TRUE)  # 共和党retweet总和
  ) %>%
  ungroup()  # 取消分组，方便后续绘图

关键说明 #

• str_replace用于将###替换为NA字符，再通过as.numeric转换为数值型缺失值；
• group_by(year)指定按年份分组；
• summarise中通过索引[party == "D"]筛选对应党派的数据进行求和，na.rm = TRUE确保忽略缺失值不影响计算结果；
• 最终生成的summary_table是宽格式，每一行对应一个年份，包含所有汇总指标，可直接用于绘图（比如用ggplot2绘制趋势图）。

示例输出 #

假设原始数据包含2020、2021两个年份，输出结果类似：

内容的提问来源于stack exchange，提问作者lwe