如何在R中汇总DataFrame时保留所有列并合并指定列内容

问题场景 #

我有如下示例数据框：

dummy_df <- tibble(
  A=c("ABC", "ABC", "BCD", "CDF", "CDF", "CDF"),
  B=c(0.25, 0.25, 1.23, 0.58, 0.58, 0.58),
  C=c("lorem", "ipsum", "dolor", "amet", "something", "else"),
  D=c("up", "up", "down", "down", "down", "down"),
  E=c(132, 132, 243, 512, 512, 512),
  F=c("m1", "m1", "m5", "m3", "m3", "m3"),
  G=c("val", "val", "mur", "mad", "mad", "mad"),
  H=c("grx", "grx", "bcn", "sal", "sal", "sal"),
  I=c(1.68, 1.68, 2.31, 3.12, 3.12, 3.12),
  J=c("p", "p", "f", "p", "p", "p"),
  K=c(100, 100, 200, 143, 143, 143)
)

我已经实现了按列A分组，将列C的内容合并为字符串并统计每组行数：

dummy_df %>% group_by(A) %>% summarise(hits = toString(C), nhits=n())

但这个操作会丢失其他所有列的信息，而这些信息对我很重要。我需要在合并列C的同时保留所有列的信息，而且最好不用硬编码列名，因为数据集的列数会变化。期望得到如下输出：

# A tibble: 3 × 12
  A     hits                  nhits     B D         E F     G     H         I J         K
  <chr> <chr>                 <int> <dbl> <chr> <dbl> <chr> <chr> <chr> <dbl> <chr> <dbl>
1 ABC   lorem, ipsum              2  0.25 up      132 m1    val   grx    1.68 p       100
2 BCD   dolor                     1  1.23 down    243 m5    mur   bcn    2.31 f       200
3 CDF   amet, something, else     3  0.58 down    512 m3    mad   sal    3.12 p       143

解决方案 #

可以使用dplyr的across()函数，配合group_by()和summarise()实现需求。由于分组列A对应的其他列（除C外）每组内的值完全一致，我们可以对这些列提取每组的第一个值（或任意值，结果相同），同时完成C列的合并和行数统计：

library(dplyr)

dummy_df %>%
  group_by(A) %>%
  summarise(
    hits = toString(C),
    nhits = n(),
    across(-c(A, C), first)  # 保留除A、C外的所有列，取每组第一个值
  ) %>%
  relocate(A, hits, nhits)  # 调整列顺序，让A、hits、nhits排在最前面

代码说明

• across(-c(A, C), first)：-c(A, C)表示排除分组列A和要合并的列C，对剩余所有列应用first()函数。因为每组内这些列的值完全相同，所以取第一个值和其他值结果一致。
• relocate(A, hits, nhits)：调整列的显示顺序，让核心分组、合并、统计列排在最前面，匹配期望的输出格式。

这种写法无需硬编码其他列名，无论后续数据集增加或减少列（只要分组后其他列每组内值一致），代码都能正常运行。

内容的提问来源于stack exchange，提问作者jpm92