使用dplyr按区域统计唯一样本数量的实现方法

首先是原始数据集：

df <- data.frame(strain = 1:6, sample = c("a24", "a24", "a24", "a26", "a26", "a27"), region = c(rep("ny", 3), rep("detroit",3)))

使用dplyr包的分组统计功能即可实现需求，核心是用n_distinct()函数统计唯一值数量：

library(dplyr)

# 按region分组，统计唯一sample的数量
result <- df %>%
  group_by(region) %>%
  summarize(sample_count = n_distinct(sample)) %>%
  ungroup() # 可选，取消分组状态

# 查看结果
print(result)

执行后得到的结果如下：

代码说明 #

• group_by(region)：将数据按region字段分组，后续统计操作会基于每个分组执行
• summarize(sample_count = n_distinct(sample))：对每个分组，计算sample列中唯一值的个数，并将结果列命名为sample_count
• ungroup()：可选步骤，用于取消数据的分组标记，避免后续操作因分组状态产生意外行为

内容的提问来源于stack exchange，提问作者trilisser