基于位置与日期条件合并数据行的R语言实现问题

你的需求核心是：将**相同location、start和detected**的观测行合并，对count字段求和，其他字段保留对应分组的唯一值。

原始数据集 #

ex_df <- data.frame(
  location = c('park', 'park', 'school', 'cemetery', 'cemetery', 'park'),
  count = c(50, 50, 4, 9, 26, 10),
  start = c('7/24/1999', '7/24/1999', '8/9/2000','8/19/2000', '9/2/2001', '9/2/2001'),
  detected = c('detected', 'detected', 'not detected', 'detected', 'not detected', 'detected')
)

目标精简数据集 #

target_df <- data.frame(
  location = c('park', 'school', 'cemetery', 'cemetery', 'park'),
  count = c(100, 4, 9, 26, 10),
  start = c('7/24/1999', '8/9/2000','8/19/2000', '9/2/2001', '9/2/2001'),
  detected = c('detected', 'not detected', 'detected', 'not detected', 'detected')
)

正确实现方法 #

方法1：使用dplyr包（推荐） #

你之前用group_by后出现多余观测，是因为没配合summarise完成聚合操作。summarise会自动将每个分组压缩为一行，不会残留冗余数据：

library(dplyr)

clean_df <- ex_df %>%
  # 按三个字段分组
  group_by(location, start, detected) %>%
  # 对count求和，同时取消分组状态
  summarise(count = sum(count), .groups = "drop")

# 输出结果
clean_df

方法2：使用Base R（无需额外包） #

用aggregate函数直接完成分组求和：

clean_df <- aggregate(count ~ location + start + detected, data = ex_df, sum)

两种方法都能直接得到你需要的精简数据集，不会有多余观测残留。

内容的提问来源于stack exchange，提问作者Cursed_King1453