在R语言中基于group_by按条件统计唯一玩家数量

给定数据集：

dat <- data.frame(team = c("new", "new", "old"),
           player = c("bob", "bill", "sue"),
           score = c(1, 0, 3))

要求在group_by框架内完成统计，不能提前筛选数据集。

正确代码实现 #

直接在n_distinct里通过索引筛选符合分数条件的玩家即可，逻辑清晰且避免类型问题：

library(dplyr)

dat %>% 
  group_by(team) %>% 
  summarise(total_players = n_distinct(player[score >= 1]))

运行后得到结果：

# A tibble: 2 × 2
  team  total_players
  <chr>         <int>
1 new               1
2 old               1

原代码的问题 #

你之前用ifelse的写法，当player是因子类型（data.frame默认把字符串转成因子）时，ifelse会自动把因子转成字符向量，虽然这个小例子里可能看不出问题，但在复杂数据中容易触发类型不一致的bug。而player[score >= 1]是直接提取符合条件的玩家值，自动跳过不符合的行，写法更稳妥。

另外还有一种等价写法，用cur_data()获取当前分组数据后筛选：

dat %>% 
  group_by(team) %>% 
  summarise(total_players = n_distinct(filter(cur_data(), score >= 1)$player))

内容的提问来源于stack exchange，提问作者DJC