如何在R语言dplyr的summarize调用中统计分组内符合条件的行数

我来帮你搞定这个问题！你想要在dplyr的summarize()调用里同时计算主场/客场的总分和异常值（得分>300）数量，其实有两种简洁的方式可以实现，完全不需要跳出summarize。

方法1：利用已有的more_than_300列 #

既然你已经预先创建了标记异常值的列，直接对这个列求和就行——因为在R里TRUE会被视为1，FALSE视为0，求和的结果就是异常值的数量：

test %>% 
  group_by(location) %>% 
  summarize(
    total_score = sum(score),
    n_outliers = sum(more_than_300)
  )

方法2：直接在summarize中判断条件（更推荐） #

如果不想依赖预先创建的more_than_300列，你可以直接在summarize里写入判断逻辑，一步到位：

test %>% 
  group_by(location) %>% 
  summarize(
    total_score = sum(score),
    n_outliers = sum(score > 300)
  )

为什么你之前的代码失败？ #

你尝试的nrow(.[more_than_300 == FALSE])有两个问题：

• 逻辑搞反了：你要统计的是超过300的异常值，对应more_than_300 == TRUE，而不是FALSE；
• 在分组的summarize里，用nrow()去子集数据不是最优写法，而且不如sum()统计逻辑值简洁高效。

运行上面的代码后，你会得到正确的结果：

• 主场（home）总分552，异常值数量0；
• 客场（away）总分927，异常值数量2。

内容的提问来源于stack exchange，提问作者J.Sabree