在R中计算多组间仅属于单组的唯一字符串数量

我懂你要的是什么——只属于当前plot、从未在其他分组出现过的独特spp数量。你的原代码只是统计了每个组内的物种种类数，没考虑跨组的唯一性，所以结果和预期不符。下面是具体的解决方法：

方法思路 #

要实现需求，我们需要两步核心逻辑：

• 第一步：先统计每个spp总共出现在多少个不同的plot里
• 第二步：筛选出那些仅在1个plot里出现的物种，再按plot分组统计数量

完整代码实现 #

用dplyr可以很简洁地完成这个逻辑，链式写法如下：

library(dplyr)

# 你的原始数据集
db <- data.frame(plot = c('a', 'a', 'a', 'a', 'a', 'b', 'b', 'b', 'b', 'b', 'c', 'c', 'c', 'c', 'c'), 
                 spp = c('sp1', 'sp1', 'sp2', 'sp1', 'sp3', 'sp1', 'sp1', 'sp2', 'sp4', 'sp4', 'sp1', 'sp2', 'sp5', 'sp6', 'sp7'))

# 计算每个plot的特有物种数量
db_unique_spp <- db %>%
  # 给每个物种标记它出现过的plot总数
  group_by(spp) %>%
  mutate(plot_occurrences = n_distinct(plot)) %>%
  ungroup() %>%
  # 只保留仅在一个plot出现的物种记录
  filter(plot_occurrences == 1) %>%
  # 按plot分组，统计特有物种数量
  group_by(plot) %>%
  summarise(unique_to_plot = n_distinct(spp))

# 查看结果
db_unique_spp

运行结果 #

执行后会得到你期望的输出：

# A tibble: 3 × 2
  plot  unique_to_plot
  <chr>          <int>
1 a                  1
2 b                  1
3 c                  3

为什么原代码不对？ #

你的原代码：

db_sum <- db %>% group_by(plot) %>% summarise(n_unique = n_distinct(across(spp)))

这段代码的逻辑是统计每个plot内有多少种不同的物种，完全不关心这些物种是否在其他plot出现过，所以得到的是每个组的物种丰富度，而非特有物种数。

内容的提问来源于stack exchange，提问作者hiperhiper