dplyr中同一行双变量分组与分两行分组的差异解析

我需要获取数据集中狗名（animals_name）与犬种（primary_breed）的所有组合及其出现次数。操作时发现两种分组方式结果差异明显：

• 直接在同一行用 group_by(animals_name, primary_breed) 分组，能得到「狗名+犬种」组合的对应计数（通常是1或2）；
• 先执行 group_by(animals_name) 再执行 group_by(primary_breed)，得到的却是该犬种的总计数，而非组合计数。

测试代码如下：

seattle_dogs %>%
  #group_by(animals_name) %>%
  #mutate(name_total = n()) %>%
  group_by(animals_name, primary_breed) %>%
  mutate(name_total = n()) %>%
  ungroup() %>%
  group_by(animals_name) %>%
  group_by(primary_breed) %>%
  mutate(name_total2 = n()) %>%
  ungroup()

结果里相同犬种对应的name_total2值完全一致，想知道这是为什么？

核心原因是dplyr里连续调用group_by()是覆盖分组，不是叠加分组：

1. 同一行写group_by(animals_name, primary_breed)，是同时按两个字段创建分组，每个分组都是「狗名+犬种」的唯一组合，所以n()算的是每个组合的行数，也就是你要的组合出现次数。
2. 先group_by(animals_name)再group_by(primary_breed)，第二次调用会直接替换掉第一次的分组规则，最终只会按primary_breed单个字段分组，n()自然就成了整个犬种的总行数，和狗名没关系了。

如果想实现叠加分组（同时保留两个字段的分组），得用.add = TRUE参数，代码改成这样就行：

seattle_dogs %>%
  group_by(animals_name) %>%
  group_by(primary_breed, .add = TRUE) %>%
  mutate(name_total2 = n()) %>%
  ungroup()

这样就会同时按狗名和犬种分组，得到的就是你要的组合计数了。

内容的提问来源于stack exchange，提问作者1989-a-number