按分组聚合逻辑值数据框：存在TRUE则保留TRUE的实现方法

原始数据 #

构造数据的代码：

dataf <- tibble(A = sample(c(TRUE, FALSE), 10, replace = T), 
                B = sample(c(TRUE, FALSE), 10, replace = T), 
                C = sample(c(TRUE, FALSE), 10, replace = T), 
                group = c(rep("grp1", 3), rep("grp2", 3), rep("grp3", 4)))

数据预览：

> dataf
# A tibble: 10 × 4
   A     B     C     group
   <lgl> <lgl> <lgl> <chr>
 1 TRUE  TRUE  TRUE  grp1 
 2 FALSE TRUE  TRUE  grp1 
 3 TRUE  TRUE  TRUE  grp1 
 4 TRUE  TRUE  TRUE  grp2 
 5 FALSE TRUE  TRUE  grp2 
 6 TRUE  FALSE TRUE  grp2 
 7 TRUE  FALSE FALSE grp3 
 8 TRUE  FALSE TRUE  grp3 
 9 FALSE FALSE TRUE  grp3 
10 FALSE FALSE FALSE grp3 

需求说明 #

按group变量分组聚合，规则为：每组内某列只要存在至少一个TRUE，聚合后该列对应分组的值为TRUE；若全为FALSE，则为FALSE。期望结果如下：

# A tibble: 3 × 4
  A     B     C     group
  <lgl> <lgl> <lgl> <chr>
1 TRUE  TRUE  TRUE  grp1 
2 TRUE  TRUE  TRUE  grp2 
3 TRUE  FALSE TRUE  grp3 

解决方案 #

方法1：dplyr批量处理（tidyverse风格）

用group_by()分组，across()批量指定要处理的列，any()函数直接满足“存在TRUE即返回TRUE”的需求：

library(dplyr)

dataf %>%
  group_by(group) %>%
  summarise(across(A:C, any), .groups = "drop")

• .groups = "drop"用于取消分组状态，得到普通的tibble；如果省略，结果会保留分组属性。

方法2：data.table高效处理（适合大数据）

如果数据量较大，data.table的聚合速度更有优势：

library(data.table)

setDT(dataf)[, lapply(.SD, any), by = group, .SDcols = A:C]

• .SDcols指定需要聚合的列，lapply(.SD, any)对每个目标列应用any()判断。

方法3：Base R原生实现

无需加载额外包，用aggregate()即可完成：

aggregate(. ~ group, data = dataf, FUN = any)

• . ~ group表示以group为分组依据，对其余所有列应用any()函数。

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