如何高效计算满足阈值条件的变量值及数量（R语言）

现有如下R语言dataframe：

# 最小示例
data.frame(variable = c("A", "B", "C", "A", "B", "C"),
           quantity1 = c(2,4,5,4,6,7),
           quantity2 = c(3,5,6,7,8,9),
           group = c("G_A", "G_A", "G_A", "G_B", "G_B", "G_B"))

输出结构：

variable quantity1 quantity2 group
1        A         2         3   G_A
2        B         4         5   G_A
3        C         5         6   G_A
4        A         4         7   G_B
5        B         6         8   G_B
6        C         7         9   G_B

需要生成满足以下要求的统计数据集：

1. 计算quantity1、quantity2中超过指定阈值（threshold）的数值数量；
2. 获取对应满足条件的variable值（字符字符串形式）及数量。

预期输出：

threshold quantity1values quantity1_nvalues quantity2values quantity2_nvalues group
1        2         B, C         2                    A, B, C         3           G_A
2        2         A, B, C      3                    A, B, C         3           G_B
3        4         C           1                     B, C            2           G_A
4        4         B, C        2                     A, B, C         3           G_B

用户尝试了部分tidyverse代码，但仍存在两个问题：

1. 如何获取满足阈值条件的variable值并转为字符字符串；
2. 如何优化代码简洁性。

tidyverse解决方案 #

library(tidyverse)

# 定义目标阈值
thresholds <- c(2, 4)

data <- data.frame(variable = c("A", "B", "C", "A", "B", "C"),
                   quantity1 = c(2,4,5,4,6,7),
                   quantity2 = c(3,5,6,7,8,9),
                   group = c("G_A", "G_A", "G_A", "G_B", "G_B", "G_B")) 

# 核心处理流程
result <- expand_grid(data %>% select(group), threshold = thresholds) %>%
  left_join(data, by = "group") %>%
  mutate(across(starts_with("quantity"), ~ .x > threshold, .names = "above_{.col}")) %>%
  group_by(group, threshold) %>%
  summarise(
    quantity1values = str_c(variable[above_quantity1], collapse = ", "),
    quantity1_nvalues = sum(above_quantity1),
    quantity2values = str_c(variable[above_quantity2], collapse = ", "),
    quantity2_nvalues = sum(above_quantity2),
    .groups = "drop"
  ) %>%
  select(threshold, starts_with("quantity"), group)

print(result)

代码说明 #

1. 用expand_grid生成所有分组与阈值的组合，确保每个阈值覆盖全部分组；
2. 通过left_join将原始数据与阈值组合关联，让每行数据对应所有目标阈值；
3. across批量处理两个quantity列，生成是否超过阈值的逻辑标记列；
4. 分组后用str_c拼接符合条件的variable值，sum统计满足条件的数量；
5. 最后调整列顺序匹配预期输出格式。

Base R解决方案 #

data <- data.frame(variable = c("A", "B", "C", "A", "B", "C"),
                   quantity1 = c(2,4,5,4,6,7),
                   quantity2 = c(3,5,6,7,8,9),
                   group = c("G_A", "G_A", "G_A", "G_B", "G_B", "G_B")) 

thresholds <- c(2, 4)
groups <- unique(data$group)

# 初始化结果存储列表
result_list <- list()
idx <- 1

# 遍历每个分组和阈值
for (g in groups) {
  group_data <- subset(data, group == g)
  for (thresh in thresholds) {
    # 处理quantity1
    q1_above <- group_data$quantity1 > thresh
    q1_vals <- paste(group_data$variable[q1_above], collapse = ", ")
    q1_n <- sum(q1_above)
    
    # 处理quantity2
    q2_above <- group_data$quantity2 > thresh
    q2_vals <- paste(group_data$variable[q2_above], collapse = ", ")
    q2_n <- sum(q2_above)
    
    # 存入结果列表
    result_list[[idx]] <- data.frame(
      threshold = thresh,
      quantity1values = q1_vals,
      quantity1_nvalues = q1_n,
      quantity2values = q2_vals,
      quantity2_nvalues = q2_n,
      group = g
    )
    idx <- idx + 1
  }
}

# 合并结果并调整顺序
result <- do.call(rbind, result_list)
result <- result[order(result$threshold, result$group), ]

print(result)

代码说明 #

1. 遍历所有分组和阈值组合，逐个处理统计逻辑；
2. 对每个阈值，筛选当前分组中超过阈值的行，用paste拼接variable值，sum统计数量；
3. 将每个组合的结果存入列表，最后合并为dataframe并调整行顺序匹配预期输出。

问题解答 #

1. 获取满足条件的variable字符串：
   • tidyverse中使用str_c(variable[逻辑条件], collapse = ", ")，通过逻辑索引筛选符合条件的variable后拼接；
   • Base R中用paste(variable[逻辑条件], collapse = ", ")实现相同效果。
2. 优化代码简洁性：
   • tidyverse方案避免了多次pivot操作，用expand_grid直接生成阈值-分组组合，结合across批量处理列，代码更高效简洁；
   • Base R方案通过循环遍历核心对象，逻辑清晰直观，适合不习惯tidyverse语法的用户。

内容的提问来源于stack exchange，提问作者Cpo