如何按家庭非零薪资数量筛选R语言DataFrame为单/双收入者数据集

原始数据集 #

首先给出用于测试的df数据框：

df <- data.frame(
  "id" = c(1,1,1,2,2,2,3,3,3,4,4,4,5,5),
  "relation" = c(1,2,3,1,2,3,1,2,3,1,2,3,1,2), 
  "salary" = c(20,10,0,30,0,0,10,0,0,40,45,42,15,0)
)

需求说明 #

按id（家庭）分组，将数据集拆分为两类：

• 单收入者家庭：组内仅1个成员薪资非零
• 双收入者家庭：组内至少2个成员薪资非零

原代码问题分析 #

你写的代码存在两个核心错误：

1. 分组依据错误：数据框中没有address字段，应该按id分组
2. 筛选逻辑错误：all(salary >=2)或all(salary ==1)的逻辑完全不符合需求——你需要统计每组内非零薪资的成员数量，而非判断所有成员薪资是否满足某个数值条件

正确实现代码 #

使用dplyr包的分组+筛选逻辑，直接在分组后计算每组的非零薪资数来筛选：

筛选双收入者家庭 #

library(dplyr)

two_earner <- df %>%
  group_by(id) %>%
  filter(sum(salary != 0) >= 2) %>%
  ungroup() # 取消分组，得到常规数据框

筛选单收入者家庭 #

one_earner <- df %>%
  group_by(id) %>%
  filter(sum(salary != 0) == 1) %>%
  ungroup()

验证输出 #

运行上述代码后，输出结果与预期一致：

• one_earner结果：

# A tibble: 8 × 3
     id relation salary
  <dbl>    <dbl>  <dbl>
1     2        1     30
2     2        2      0
3     2        3      0
4     3        1     10
5     3        2      0
6     3        3      0
7     5        1     15
8     5        2      0

• two_earner结果：

# A tibble: 6 × 3
     id relation salary
  <dbl>    <dbl>  <dbl>
1     1        1     20
2     1        2     10
3     1        3      0
4     4        1     40
5     4        2     45
6     4        3     42

内容的提问来源于stack exchange，提问作者mehmo