R语言中按区域分组统计独特属与物种的特殊规则实现

这个需求确实需要抠细节，我帮你梳理出清晰的解决思路和可直接运行的代码：

核心逻辑拆解 #

我们需要针对每个region，区分两种单独属名的情况：

• 若该属存在带种加词的完整物种条目 → 单独属名不计入物种统计
• 若该属没有任何完整物种条目 → 单独属名需要计入物种统计

下面用dplyr提供两种实现方式，按需选择：

方法一：分步标记+筛选（直观易懂，便于调试） #

这种方式通过辅助列逐步标记需要排除的条目，逻辑清晰，新手也能快速理解：

library(dplyr)
library(stringr) # 用于字符串拆分判断

df_result <- df %>%
  group_by(region) %>%
  # 1. 标记当前spp是否是带种加词的完整物种（属名匹配且有空格分隔）
  mutate(is_full_species = str_detect(spp, " ") & str_extract(spp, "^[A-Za-z]+") == genus) %>%
  # 2. 判断当前条目所属的属，在本区域是否存在至少一个完整物种
  mutate(genus_has_full_species = any(is_full_species[genus == cur_data()$genus])) %>%
  # 3. 筛选符合统计规则的条目：
  #    要么不是单独属名，要么是单独属名但该属无完整物种
  filter(!(spp == genus & genus_has_full_species)) %>%
  # 4. 最终统计结果
  summarise(
    uniq_genus = n_distinct(genus),
    uniq_spp = n_distinct(spp)
  )

代码细节解释：

• is_full_species：用str_detect检测空格判断是否带种加词，再用str_extract提取spp首单词，确认和genus匹配，标记为完整物种。
• genus_has_full_species：针对每个条目，检查同区域内同属的条目是否存在完整物种，生成全局标记。
• filter：精准排除「是单独属名且该属已有完整物种」的条目，剩下的就是符合规则的物种。

方法二：直接在汇总时计算（简洁高效） #

如果不想生成中间辅助列，可以直接在summarise里完成逻辑判断，代码更紧凑：

library(dplyr)
library(stringr)

df_result <- df %>%
  group_by(region) %>%
  summarise(
    uniq_genus = n_distinct(genus),
    # 先找出本区域内需要排除的单独属名：即该属存在完整物种条目
    excluded_genus = unique(genus[str_detect(spp, " ") & str_extract(spp, "^[A-Za-z]+") == genus]),
    # 统计物种时，排除掉这些单独的属名
    uniq_spp = n_distinct(spp[!spp %in% excluded_genus])
  )

结果验证 #

运行代码后会得到符合规则的统计结果：

• fom区域：单独的"B"被排除，uniq_spp为4（"B b"、"B c"、"A c"、"C c"）
• fed区域：单独的"E"被保留，uniq_spp为4（"E"、"B a"、"B b"、"A a"）
• fod区域：无需要排除的条目，uniq_spp为4（与常规统计结果一致）

内容的提问来源于stack exchange，提问作者hiperhiper