R语言：按分组条件从不同列汇总行数据

问题描述 #

现有如下数据集：

需要按N2000因子分组计算总面积，规则为：

• 当站点属于N2000网络（N2000 = "Yes"）时，使用SurfaceN2000列的数据求和
• 不属于时（N2000 = "No"），使用Total_Surface列的数据求和

用户尝试的代码未达到预期效果：

df %>% 
  group_by(N2000) %>%
  summarise(surface=
             case_when(N2000== "No" ~ sum(Total_Surface,na.rm = TRUE), 
                       N2000== "Yes" ~ sum(SurfaceN2000,na.rm = TRUE)))

期望输出：

问题分析 #

你之前的代码错误在于：group_by后，case_when会对组内的每一行进行判断，而sum返回的是组内总和（长度为1），但case_when会尝试将这个值匹配到组内的每一行，导致summarise收到长度不等于1的结果，进而报错或返回异常值。

解决方案 #

方法1：新增中间列后分组求和 #

先为每行确定要使用的面积值，再分组汇总，逻辑清晰且易于维护：

library(dplyr)

df %>%
  # 为每行标记要使用的面积数据
  mutate(target_surface = case_when(
    N2000 == "Yes" ~ SurfaceN2000,
    N2000 == "No" ~ Total_Surface
  )) %>%
  group_by(N2000) %>%
  summarise(Surface = sum(target_surface, na.rm = TRUE))

方法2：直接在summarise中按组判断 #

如果不想新增列，可以利用cur_group()或first()获取当前组的N2000值，直接选择对应列求和：

# 使用cur_group()获取当前组信息
df %>%
  group_by(N2000) %>%
  summarise(Surface = ifelse(cur_group()$N2000 == "Yes",
                            sum(SurfaceN2000, na.rm = TRUE),
                            sum(Total_Surface, na.rm = TRUE)))

# 或使用first()取组内首个N2000值判断
df %>%
  group_by(N2000) %>%
  summarise(Surface = case_when(
    first(N2000) == "Yes" ~ sum(SurfaceN2000, na.rm = TRUE),
    first(N2000) == "No" ~ sum(Total_Surface, na.rm = TRUE)
  ))

以上两种方法都能输出你期望的结果。

内容的提问来源于stack exchange，提问作者Lara