如何按另一变量分组计算数据框中某变量的唯一值频次

以下是几种高效的方法，能直接按Variant_Classification分组统计Tumor_Sample_Barcode的唯一值数量，比拆分数据框的方式更简洁高效：

1. 使用dplyr包（tidyverse生态，语法直观） #

如果已经安装了tidyverse，直接加载dplyr后用分组统计：

library(dplyr)

df_maf %>%
  group_by(Variant_Classification) %>%
  summarise(unique_sample_count = n_distinct(Tumor_Sample_Barcode))

该方法会返回一个格式规整的数据框，包含分组类别和对应的唯一样本数，易读性强。

2. 使用data.table包（大数据集处理效率最优） #

如果你的数据量较大，data.table的运算速度会明显优于其他方法：

library(data.table)

setDT(df_maf)[, .(unique_sample_count = uniqueN(Tumor_Sample_Barcode)), by = Variant_Classification]

uniqueN()是data.table内置的高效统计唯一值的函数，配合分组操作by，能快速输出结果。

3. 基础R方法（无需额外安装包） #

如果不想依赖第三方包，可以用基础R的aggregate函数：

aggregate(
  Tumor_Sample_Barcode ~ Variant_Classification,
  data = df_maf,
  FUN = function(x) length(unique(x))
)

该方法仅依赖基础函数，无需额外安装，适合快速验证需求。

这些方法都能直接得到你需要的统计结果，避免了手动拆分数据框的繁琐操作，同时效率更高。

内容的提问来源于stack exchange，提问作者Aryh