请求编写R函数计算站点箱型占比并生成数据调整列

现有4个站点A、B、C、D，共8种箱型，各站点箱型数量不等，箱型在多日期被检查（同站点检查日期一致，不同站点不同）。需要在数据集中新增调整列，解决各站点箱型数量不均的问题。

数据结构 #

# A tibble: 16 × 5
   Site  ID    Date       Type  Count
   <fct> <fct> <date>     <fct> <dbl>
 1 A     101   2024-02-02 x         4
 2 A     101   2024-02-02 y         6
 3 A     101   2024-02-02 x         9
 4 B     103   2024-02-01 x        10
 5 B     103   2024-02-01 z         2
 6 C     106   2024-01-30 y         8
 7 D     108   2024-01-26 x         5
 8 D     108   2024-01-26 z         6
 9 A     101   2024-01-24 x         3
10 A     101   2024-01-24 y         3
11 A     101   2024-01-24 x         4
12 B     103   2024-01-21 x         8
13 B     103   2024-01-21 z         5
14 C     106   2024-01-20 y         5
15 D     108   2024-01-19 x         7
16 D     108   2024-01-19 z         7

structure(list(Site = structure(c(1L, 1L, 1L, 2L, 2L, 3L, 4L, 
4L, 1L, 1L, 1L, 2L, 2L, 3L, 4L, 4L), levels = c("A", "B", "C", 
"D"), class = "factor"), ID = structure(c(1L, 1L, 1L, 2L, 2L, 
3L, 4L, 4L, 1L, 1L, 1L, 2L, 2L, 3L, 4L, 4L), levels = c("101", 
"103", "106", "108"), class = "factor"), Date = structure(c(19755, 
19755, 19755, 19754, 19754, 19752, 19748, 19748, 19746, 19746, 
19746, 19743, 19743, 19742, 19741, 19741), class = "Date"), Type = structure(c(1L, 
2L, 1L, 1L, 3L, 2L, 1L, 3L, 1L, 2L, 1L, 1L, 3L, 2L, 1L, 3L), levels = c("x", 
"y", "z"), class = "factor"), Count = c(4, 6, 9, 10, 2, 8, 5, 
6, 3, 3, 4, 8, 5, 5, 7, 7)), row.names = c(NA, -16L), class = c("tbl_df", 
"tbl", "data.frame"))

字段说明：

• Site：站点
• ID：站点内位置（每个唯一ID对应3个箱子）
• Date：检查日期
• Type：箱型
• Count：单箱当日计数

原错误代码 #

mutated table <- df %>%
  group_by(Site, Type, ID) %>%
  mutate(n_unique = n_distinct(ID)*3) %>%
  mutate(n_boxes = n_distinct(Site)*3) %>%
  mutate(Adjustment = n_boxes / n_unique)

明确需求 #

• 新增n_unique列：对应站点的总箱数，即站点内唯一ID的数量×3，同站点所有行值相同；
• 新增n_boxes列：对应站点对应箱型的数量，即该站点该箱型的观测数；
• 新增adj_modifier列：计算n_boxes/n_unique，用于乘以Count得到调整后计数。

修正后的解决方案 #

library(dplyr)

adjusted_df <- df %>%
  # 按站点分组，计算站点总箱数n_unique
  group_by(Site) %>%
  mutate(n_unique = n_distinct(ID) * 3) %>%
  # 在站点分组基础上添加箱型分组，计算该站点该箱型的观测数n_boxes
  group_by(Site, Type, .add = TRUE) %>%
  mutate(n_boxes = n()) %>%
  # 计算调整系数
  mutate(adj_modifier = n_boxes / n_unique) %>%
  # 取消分组，避免后续操作受分组限制
  ungroup()

代码说明 #

1. group_by(Site)：确保n_unique的计算基于整个站点的唯一ID数量，每个站点的所有行都会得到相同的总箱数；
2. group_by(Site, Type, .add = TRUE)：保留原站点分组的同时，新增箱型分组，此时n()会返回当前站点当前箱型的总行数（即观测数）；
3. 最后计算adj_modifier并取消分组，保证后续数据操作的灵活性。

例如，站点A的唯一ID仅为101，所以n_unique = 1*3 = 3；站点A中Type=x的观测数为4行，因此n_boxes=4，adj_modifier=4/3，符合需求。

内容的提问来源于stack exchange，提问作者Bethy