R代码优化：无需新建数据框与左连接实现新增统计列

问题描述 #

现有一段可运行的R代码，逻辑如下：

1. 按column_a分组，生成total_sub_rows列（统计每组内column_b等于'specific'的行数）
2. 过滤column_b为'specific'的数据，按column_a分组统计column_c的不同值数量得到sub_rows列
3. 通过左连接将sub_rows合并回原数据框

希望找到更简洁的实现方式，避免新建数据框与左连接操作。

原代码：

# calculate initial column
data <- data %>% 
  group_by(column_a) %>% 
  mutate("total_sub_rows" = sum(column_b == 'specific')) %>% 
  ungroup()

# is there a way to get below into above code?
new_column <- data %>% 
  filter(column_b == 'specific') %>% 
  group_by(column_a) %>% 
  summarise(sub_rows = n_distinct(column_c)) %>% 
  ungroup()

data <- data %>% 
  left_join(new_column)

简洁实现方案 #

可以在同一分组操作中完成两个列的计算，无需额外的数据框和连接步骤。利用n_distinct()结合条件判断，直接在mutate里生成sub_rows：

data <- data %>%
  group_by(column_a) %>%
  mutate(
    total_sub_rows = sum(column_b == 'specific'),
    sub_rows = n_distinct(ifelse(column_b == 'specific', column_c, NA), na.rm = TRUE)
  ) %>%
  ungroup()

代码解释 #

• total_sub_rows：和原逻辑一致，分组内统计column_b == 'specific'的行数总和
• sub_rows：通过ifelse仅保留column_b == 'specific'对应的column_c值，其余替换为NA，再用n_distinct(..., na.rm = TRUE)统计分组内非NA的唯一值数量，等价于原代码过滤后统计唯一值的逻辑

内容的提问来源于stack exchange，提问作者Dan