基于第三列值统计对第二列汇总的R语言dplyr实现问题

你的需求是按Age和year的组合分组，统计每组的记录数量，但原代码使用n_distinct(year)是错误的——这个函数用来统计每组内year的唯一值个数，而非每组的总记录数。

正确方法1：使用group_by() + summarise(n()) #

library(dplyr)

df %>%
  group_by(Age, year) %>%
  summarise(count = n(), .groups = "drop")

这里的n()会返回当前分组的行数，也就是该Age+year组合的记录数量；.groups = "drop"用来取消分组结构，得到整洁的结果数据框。

更简洁的方法2：直接使用count()函数 #

dplyr提供了count()函数，可以一步完成分组+计数的操作：

library(dplyr)

df %>%
  count(Age, year, name = "count")

name参数用来指定计数列的列名，默认是n，可以改成你需要的名称。

输出结果 #

两种方法都会得到符合期望的结构化结果：

Age year count
1  60 1990     2
2  75 2000     2
3  75 2030     1

如果需要和示例里的无表头格式一致，可再用write.table()输出：

result <- df %>% count(Age, year, name = "count")
write.table(result, col.names = FALSE, row.names = FALSE, sep = " ")

执行后会输出：

60 1990 2
75 2000 2
75 2030 1

内容的提问来源于stack exchange，提问作者Kousalya Devi