基于地块ID统计不同Mapbiomas编码的areaHA总和的技术问询

问题原因 #

你当前代码的问题在于：在summarise里直接使用a.col.df$areaHa[a.col.df$mapbiomas=='1']是全局引用整个数据集的列，完全忽略了group_by(ID)的分组上下文。不管当前分组是哪个ID，都会计算全表中mapbiomas等于'1'的所有areaHa总和，所以所有ID返回的结果完全相同。

解决方案 #

根据你的需求，提供几种可行的代码写法：

1. 单独统计某一个Mapbiomas编码的面积（比如编码'1'）

先过滤出目标编码，再按ID分组求和：

a.col.df %>% 
  filter(mapbiomas == '1') %>% 
  group_by(ID) %>% 
  summarise(total_area_code1 = sum(areaHa))

2. 统计所有目标编码的面积，按ID+编码分组展示

一次性处理多个编码（1、9、15、21），结果按ID和编码分行显示：

a.col.df %>% 
  filter(mapbiomas %in% c('1', '9', '15', '21')) %>% 
  group_by(ID, mapbiomas) %>% 
  summarise(total_area = sum(areaHa))

3. 将不同编码的面积转为宽格式（每个编码一列）

如果需要把每个ID对应的不同编码面积放在同一行，可以用tidyr::pivot_wider：

library(tidyr)

a.col.df %>% 
  filter(mapbiomas %in% c('1', '9', '15', '21')) %>% 
  group_by(ID, mapbiomas) %>% 
  summarise(total_area = sum(areaHa)) %>% 
  pivot_wider(
    names_from = mapbiomas, 
    values_from = total_area, 
    values_fill = 0  # 没有对应编码的ID填充0
  )

关键注意点 #

在dplyr的分组操作中，不要用数据框$列名的方式引用列，直接写列名即可，这样dplyr会自动在当前分组范围内计算，而不是调用全表数据。

内容的提问来源于stack exchange，提问作者Patrick Fernandes