按分组保留最频繁字符值并汇总数值列的实现方法

以下是针对需求的几种实现方式，优先使用dplyr，同时提供备选方案：

方法一：dplyr + 自定义众数函数 #

通过自定义函数提取每组字符列的众数，结合分组求和完成汇总：

library(dplyr)

# 自定义众数函数：返回组内出现次数最多的字符（多众数时取第一个）
get_mode <- function(x) {
  freq_table <- table(x)
  names(freq_table)[which.max(freq_table)]
}

# 原始数据
have <- data.frame(
  id = c(1,1,1,2,2,2),
  a = c("dog","dog","cat","duck","duck","horse"),
  value = c(1,2,3,4,5,6)
)

# 分组汇总
need <- have %>%
  group_by(id) %>%
  summarise(
    a = get_mode(a),
    value = sum(value),
    .groups = "drop"  # 取消分组状态
  )

# 输出结果
need

方法二：纯dplyr内置函数实现 #

无需自定义函数，通过count和slice_max组合完成众数提取：

library(dplyr)

need <- have %>%
  group_by(id) %>%
  mutate(total_value = sum(value)) %>%  # 先计算每组数值总和
  count(a, total_value, .drop = FALSE) %>%  # 统计每组内各字符的出现次数
  slice_max(n, n = 1) %>%  # 筛选出现次数最多的行
  select(id, a, value = total_value) %>%  # 整理目标列
  ungroup()

方法三：data.table备选方案 #

如果习惯使用data.table，可采用更高效的分组操作：

library(data.table)

setDT(have)
need <- have[, .(
  a = names(which.max(table(a))),
  value = sum(value)
), by = id]

注意事项 #

如果某组字符列存在多个众数（即多个值出现次数相同且为最高），上述方法默认返回第一个出现的众数。若需保留所有众数，可修改众数提取逻辑，例如返回以逗号分隔的字符串，或保留多行记录。

内容的提问来源于stack exchange，提问作者Léon Ipdjian