如何简化DataFrame，标记checklist在另一列是否存在指定值

需求：按checklist_id对原始DataFrame分组，判断每个分组的how_many_birds列中是否存在代表存在性的"X"值，最终生成仅包含checklist ID和判断结果（存在则为1，不存在则为0）的简化DataFrame。

示例数据 #

原始DataFrame（original_df） #

checklist_id <- c(1,1,2,2,2,3,3,3,3)
obs_id <- c("obs1", "obs2", "obs3", "obs4", "obs5", "obs6", "obs7", "obs8", "obs9")
how_many_birds <- c('7','8','X','2','3','1','6','8','X')

original_df <- data.frame(checklist_id, obs_id, how_many_birds)

输出：

checklist_id obs_id how_many_birds
1            1   obs1              7
2            1   obs2              8
3            2   obs3              X
4            2   obs4              2
5            2   obs5              3
6            3   obs6              1
7            3   obs7              6
8            3   obs8              8
9            3   obs9              X

目标DataFrame（goal_df） #

checklist_id_goal <- c(1,2,3)
at_least_one_x <- c(0,1,1)

goal_df <- data.frame(checklist_id_goal, at_least_one_x)

输出：

checklist_id_goal at_least_one_x
1                 1              0
2                 2              1
3                 3              1

解决方法 #

方法1：使用dplyr包分组聚合 #

library(dplyr)

result_df <- original_df %>%
  group_by(checklist_id) %>%
  summarise(at_least_one_x = as.integer(any(how_many_birds == "X")), .groups = "drop")

方法2：使用base R实现 #

# 按checklist_id分组，判断每组是否包含X
x_check <- tapply(original_df$how_many_birds, original_df$checklist_id, 
                  function(x) any(x == "X"))

# 转换为目标格式的数据框
result_df <- data.frame(
  checklist_id = as.integer(names(x_check)),
  at_least_one_x = as.integer(x_check)
)

两种方法生成的result_df与目标goal_df结构完全一致。

内容的提问来源于stack exchange，提问作者Rachael