R中summarise()弃用后的替代方案及免distinct优化方法

问题场景 #

在dplyr 1.1.0及以上版本中，使用summarise()时如果每组返回多行数据，会触发弃用警告并提示改用reframe()。但直接用reframe()会保留组内所有行，必须额外调用distinct()才能得到原summarise()预期的每组一行结果。现需计算各业务单元（business_unit）及年份（year）的登录数除以病例数，并生成ggplot可视化，要求实现更简洁的代码。

示例数据：

business_unit <- c("BU1", "BU1", "BU1", "BU2", "BU2", "BU2", "BU2", "BU3", "BU3")
year <- c(2020, 2020, 2020, 2020, 2020, 2022, 2020, 2021, 2022)
sickness_cases <- c(10, 10, 10, 8, 8, 18, 5, 9, 14)
user_name <- c("John", "John", "Alice", "Alice", "Alice", "Alice", "Paul", "Bob", "Bob")
example_data <- data.frame(business_unit, year, sickness_cases, user_name)

简洁实现方案 #

问题根源在于原代码中summarise()计算logins/sickness_cases时，sickness_cases在每组内有重复值，导致生成多行结果。只需在summarise()中先提取每组唯一的sickness_cases值，即可让summarise()每组返回单行，既避免警告，又无需额外调用distinct()。

优化后的分组计算代码 #

grouped_data <- example_data %>%
  group_by(business_unit, year) %>%
  summarise(
    logins = n(),
    # 提取每组唯一的病例数值（因每组内sickness_cases重复，first/unique均可）
    sickness_cases = first(sickness_cases),
    logins_div_sickness_case = logins / sickness_cases,
    .groups = "drop" # 可选：自动解除分组状态，后续操作更灵活
  )

整合ggplot的一站式代码 #

可直接将数据处理与可视化整合到管道中，无需单独存储中间数据：

example_data %>%
  group_by(business_unit, year) %>%
  summarise(
    logins = n(),
    sickness_cases = unique(sickness_cases),
    logins_div_sickness_case = logins / sickness_cases,
    .groups = "drop"
  ) %>%
  ggplot(aes(x = business_unit, y = logins_div_sickness_case)) +
  geom_bar(position = "dodge", stat = "identity") +
  facet_grid(~year)

说明 #

• 使用first(sickness_cases)或unique(sickness_cases)均可提取每组的病例数，因为示例数据中每组的sickness_cases值完全重复；若实际场景中组内存在不同病例值，需根据业务逻辑选择合适的聚合方式（如mean()、sum()等）。
• 添加.groups = "drop"可自动解除分组状态，避免后续操作中因分组带来的潜在问题，可选但推荐使用。

内容的提问来源于stack exchange，提问作者Sofia