R语言：统计各年份数据提交地点数量的更简洁实现方法？

问题描述 #

我有一组包含不同地点、多年份的观测数据，结构如下：

location year  variable  dataentry
1         1970  A        288
1         1970  A        281
1         1970  B        282
2         1970  A        282
2         1971  B        284
2         1971  B        287

其中variable和dataentry列仅用于标识存在数据提交，无实际分析价值。我需要统计各年份中有多少地点提交了数据，预期输出如下：

year  NumberOfLocations
1970  2
1971  1

我目前通过以下代码实现了需求，但想知道有没有更简洁的写法：

d1 <- data %>% group_by(location, year) %>% summarise(da = mean(dataentry)) 
d2 <- d1 %>% count(location, year)
d3 <- d2 %>% group_by(year) %>% summarise(NumberOfLocations = sum(n))

简洁实现方式 #

当然有更简洁的写法，核心思路是聚焦「统计每年的唯一地点数」这个核心需求，跳过不必要的中间步骤，这里提供两种高效的方案：

方案一：先去重再统计 #

data %>%
  distinct(location, year) %>%
  count(year, name = "NumberOfLocations")

• distinct(location, year)：保留每个地点对应年份的唯一记录，自动过滤同一地点同年份的重复数据
• count(year, name = "NumberOfLocations")：按年份分组统计数量，直接指定结果列名为需求中的NumberOfLocations

方案二：直接分组统计唯一地点数 #

data %>%
  group_by(year) %>%
  summarise(NumberOfLocations = n_distinct(location))

• group_by(year)：按年份分组
• n_distinct(location)：直接统计每组内的唯一地点数量，一步到位得到目标结果

这两种方法都能精准输出预期结果，且比原代码更简洁高效，无需创建多个中间变量。

内容的提问来源于stack exchange，提问作者Johanna