如何在R中将DataFrame转换为按公司统计位置数量的表格？

可以通过tidyverse工具包中的dplyr和tidyr函数快速实现需求，具体步骤如下：

步骤1：加载依赖包 #

library(tidyverse)

步骤2：转换数据格式并过滤有效记录 #

把宽格式的多列Location数据转为长格式，同时过滤掉NA值（无效记录）：

location_data_long <- data %>%
  pivot_longer(
    cols = starts_with("Location"), # 匹配所有以Location开头的列
    names_to = "Location_Type",     # 存储原列名的新列名
    values_to = "Value"             # 存储原列值的新列名
  ) %>%
  filter(!is.na(Value)) # 保留非NA的有效记录

步骤3：按Company汇总计数 #

分组统计每个Company的有效Location总数：

summary_result <- location_data_long %>%
  group_by(Company) %>%
  summarise(Location_Total = n()) %>%
  ungroup()

# 查看结果
print(summary_result)

输出结果：

# A tibble: 4 × 2
  Company   Location_Total
  <chr>              <int>
1 Google                 2
2 NVIDIA                 6
3 Microsoft              2
4 Tesla                  7

扩展：按Location类型细分统计 #

如果需要统计每个Company下不同Location类型的数量，可以调整分组逻辑：

detailed_summary <- location_data_long %>%
  group_by(Company, Location_Type) %>%
  summarise(Count = n()) %>%
  ungroup()

# 查看细分结果
print(detailed_summary)

输出结果：

# A tibble: 9 × 3
  Company   Location_Type               Count
  <chr>     <chr>                       <int>
1 Google    Location.2                      2
2 NVIDIA    Location.1                      2
3 NVIDIA    Location.3                      3
4 NVIDIA    Location.4.(City.Specified)     1
5 Microsoft Location.1                      1
6 Microsoft Location.4.(City.Specified)     1
7 Tesla     Location.1                      1
8 Tesla     Location.2                      2
9 Tesla     Location.3                      2

内容的提问来源于stack exchange，提问作者user16211698