R语言：按x聚合z子组中y的不重复值（避免重复计数）

需求：对现有数据框，先按x、z分组计算y的唯一值数量，再在x维度聚合这些y的唯一值（同一x下不同z组的y唯一值不重复计数），同时保留原数据所有变量，无需额外创建表关联。

示例数据 #

df <- tibble(x = c("A1", "A1", "A1", "A1", "A1", "A2", "A2", "A2"),
             y = c(1, 1, 2, 1, 1, 1, 1, 1),
             z = c("a", "a", "a", "b", "b", "c", "c", "d"))

已完成步骤：按x、z分组计算y的唯一值数量 #

df |> 
  mutate(
    xz_n_dist = n_distinct(y),
    .by = c(x, z)
  )

输出结果：

x         y z     xz_n_dist
  <chr> <dbl> <chr>     <int>
1 A1        1 a             2
2 A1        1 a             2
3 A1        2 a             2
4 A1        1 b             1
5 A1        1 b             1
6 A2        1 c             1
7 A2        1 c             1
8 A2        1 d             1

完整解决方案 #

在现有代码基础上，通过嵌套分组计算直接添加x_n_dist列：

df |> 
  mutate(
    xz_n_dist = n_distinct(y),
    .by = c(x, z)
  ) |> 
  mutate(
    x_n_dist = length(unique(unlist(map(split(y, z), unique)))),
    .by = x
  )

最终输出结果 #

x         y z     xz_n_dist x_n_dist
  <chr> <dbl> <chr>     <int>    <int>
1 A1        1 a             2        3
2 A1        1 a             2        3
3 A1        2 a             2        3
4 A1        1 b             1        3
5 A1        1 b             1        3
6 A2        1 c             1        2
7 A2        1 c             1        2
8 A2        1 d             1        2

代码解释 #

1. 第一步按x、z分组，用n_distinct(y)计算每组内y的唯一值数量，生成xz_n_dist列；
2. 第二步按x分组，用split(y, z)将每个x组内的数据按z拆分，再通过map(unique)提取每个z组的y唯一值，最后用unique(unlist(...))合并并去重，统计长度得到x维度下不重复的y唯一值总数，生成x_n_dist列。

内容的提问来源于stack exchange，提问作者Abigail