在R语言中按多列分组并统计指定值的出现次数

嗨，这个需求在R里有好几种实用的实现方式，我给你整理了几个最常用的方案，你可以根据自己的习惯选择：

方法1：使用dplyr包（tidyverse生态，简洁直观） #

这是现在R数据分析中最流行的方式，代码可读性很强：

首先确保你安装并加载了dplyr包：

install.packages("dplyr") # 如果没安装的话
library(dplyr)

假设你的数据框叫df，前三列是col1、col2、col3，第四列是col4，那么代码如下：

result_df <- df %>%
  group_by(col1, col2, col3) %>%
  summarize(yes_count = sum(col4 == "Yes", na.rm = TRUE), .groups = "drop")

• group_by(col1, col2, col3)：按前三列完成分组
• sum(col4 == "Yes")：统计每组中第四列等于"Yes"的次数，na.rm = TRUE是为了处理第四列可能存在的缺失值
• .groups = "drop"：分组后取消分组状态，得到普通的数据框格式

方法2：基础R的aggregate函数（无需额外安装包） #

如果你不想加载第三方包，用基础R自带的aggregate函数就能搞定：

result_df <- aggregate(col4 ~ col1 + col2 + col3, data = df, 
                       FUN = function(x) sum(x == "Yes", na.rm = TRUE))
# 可以给结果列重命名更直观
colnames(result_df)[4] <- "yes_count"

方法3：使用data.table包（适合大数据，效率极高） #

如果你的数据量很大，data.table的运行速度会比前两种方案快很多：

install.packages("data.table") # 如果没安装的话
library(data.table)

setDT(df) # 将普通数据框转为data.table格式
result_df <- df[, .(yes_count = sum(col4 == "Yes", na.rm = TRUE)), 
                by = .(col1, col2, col3)]

示例测试 #

你可以用下面的示例数据试试上面的代码，看看结果是否符合预期：

# 构造示例数据框
df <- data.frame(
  col1 = c("A", "A", "B", "B", "A"),
  col2 = c("X", "X", "Y", "Y", "X"),
  col3 = c(1, 1, 2, 2, 1),
  col4 = c("Yes", "No", "Yes", "Yes", "Yes")
)

运行后得到的result_df应该是：

内容的提问来源于stack exchange，提问作者nir020