R语言：如何基于df1按zip code统计type计数生成df2？

现有如下结构的df1：

需要生成df2，每个zip code对应一条记录，person和property列分别统计df1中对应zip code下该type的出现次数，目标结构如下：

（注：示例数据对应实际统计值，原问题中目标表格的数值为占位示例）

已创建包含所有唯一zip code的df2，尝试以下两种方法均未得到正确结果：

1. 全局求和错误：

df2 <- mutate(df2, person = sum(df1$type == "person"))

结果person列所有值为df1中person类型的全局总和，未按zip code分组统计。

2. 循环逻辑错误：

for(i in nrow(df2)){
df2 <- mutate(df2, person = sum(df1[i,"type"] == "person"))
}

结果person列全为0。

错误原因分析 #

• 第一种方法：sum(df1$type == "person")计算的是整个df1中type为person的总数，没有关联df2的zip code，因此所有行得到相同的全局统计值。
• 第二种方法：for(i in nrow(df2))仅会循环一次（i等于df2的行数），且df1[i,"type"]取的是df1第i行的type，和df2第i行的zip code无匹配关系，导致统计结果错误。

推荐方法：使用tidyverse工具链（简洁高效） #

通过分组计数+宽表转换，一步得到目标结果：

library(dplyr)
library(tidyr)

# 构造示例df1（可替换为实际数据）
df1 <- tibble(
  state = c("NC", "NC", "NC", "NC"),
  `zip code` = c("00001", "00001", "00000", "00001"),
  type = c("person", "property", "person", "property")
)

# 生成df2
df2 <- df1 %>%
  # 按zip code和type分组，统计每组数量
  group_by(`zip code`, type) %>%
  summarise(count = n(), .groups = "drop") %>%
  # 将type列转换为列名，count作为对应值，缺失值填充0
  pivot_wider(names_from = type, values_from = count, values_fill = 0)

循环实现方案（若需保留循环逻辑） #

遍历每个唯一type，对df2的每个zip code匹配统计：

# 假设已创建包含唯一zip code的df2
unique_types <- unique(df1$type)

for (t in unique_types) {
  # 对每个zip code，统计df1中对应zip且type匹配的数量
  df2[[t]] <- sapply(df2$`zip code`, function(zip) {
    sum(df1$`zip code` == zip & df1$type == t)
  })
}

内容的提问来源于stack exchange，提问作者Nicholas Rios