基于event_id去重统计，生成各公司Top5缺陷指定格式结果

核心需求：按公司分组，统计每个缺陷对应的去重event_id数量，取Top5（不足5则保留全部），将缺陷名称和对应计数分别用分号拼接成字符串，生成与df_answer格式一致的结果。

原代码问题分析 #

• add_count(defect)是全局计数，未按公司分组，统计的是全数据集内缺陷的出现次数，而非各公司内的去重event_id数
• slice_max(n,5)在summarise中用法错误，summarise要求返回单个值，不能直接返回数据框
• 未按需求的统计依据（去重event_id数）对缺陷排序

修正后的代码 #

library(dplyr)

df <- data.frame(company=c("X","X","X",
                           "X","X","X",
                           "X","X","X",
                           "Y","Y","Y",
                           "Y","Y","Y"),
                 event_id=c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15),
                 defect=c("code1","code1","code1",
                          "code1","code3","code3",
                          "code4","code3","code2",
                          "code2","code5","code2",
                          "code6","code2","code5"))

df_answer <- df %>%
  # 按公司+缺陷分组，统计每个缺陷的去重event_id数量
  group_by(company, defect) %>%
  summarise(count = n_distinct(event_id), .groups = "drop_last") %>%
  # 按计数降序取Top5，不足5则保留全部
  slice_max(order_by = count, n = 5, with_ties = FALSE) %>%
  # 按公司拼接缺陷名称和对应计数
  summarise(
    max_defect_list = paste(defect, collapse = ";"),
    max = paste(count, collapse = ";")
  )

# 输出结果
df_answer

运行结果 #

# A tibble: 2 × 3
  company max_defect_list max   
  <chr>   <chr>           <chr> 
1 X       code1;code3;code2;code4 4;3;1;1
2 Y       code2;code5;code6       3;2;1

关键修正说明 #

• 精准统计计数：通过company+defect双重分组，用n_distinct(event_id)得到各公司下每个缺陷的唯一事件数，匹配需求统计依据
• 正确筛选TopN：slice_max指定排序字段为count，drop_last确保分组层级正确，只保留公司分组用于后续拼接
• 格式匹配输出：用paste(..., collapse = ";")将缺陷名和计数分别拼接成符合要求的字符串格式
• 兼容不足5个的情况：slice_max(n=5)会自动保留所有不足5个的缺陷，无需额外处理

内容的提问来源于stack exchange，提问作者Ashti