如何在R中按分类变量实现行间数值相减以修正动词计数

核心逻辑 #

• 以filename为分组依据，确保每个文本的时态体数据独立计算
• 针对past_simple类别，用其原始计数减去同文本内past_perfect和past_progressive的计数之和，其他类别保持原数值，完全不受行序影响

代码实现（基于dplyr） #

假设你的tibble数据名为ta_data，包含filename（文件名）、TA（时态体类别）、n（动词计数）三列：

直接修正原计数列 #

library(dplyr)

# 分组修正计数
ta_data_fixed <- ta_data %>%
  group_by(filename) %>%
  mutate(
    n = case_when(
      TA == "past_simple" ~ n - sum(n[TA %in% c("past_perfect", "past_progressive")], na.rm = TRUE),
      TRUE ~ n  # 其他时态体保留原数值
    )
  ) %>%
  ungroup()

保留原计数，生成修正后新列 #

如果不想覆盖原始n列，可以新增n_fixed列存储修正后的值：

ta_data_fixed <- ta_data %>%
  group_by(filename) %>%
  mutate(
    n_fixed = case_when(
      TA == "past_simple" ~ n - sum(n[TA %in% c("past_perfect", "past_progressive")], na.rm = TRUE),
      TRUE ~ n
    )
  ) %>%
  ungroup()

关键细节说明 #

• group_by(filename)：将数据按文件名拆分，每个文件的计算互不干扰
• sum(..., na.rm = TRUE)：如果某文件缺少past_perfect或past_progressive类别，na.rm = TRUE会自动忽略缺失值，避免计算出错
• case_when()：精准匹配需要修正的时态体类别，其他类别保持原样，逻辑清晰易维护

结果验证 #

可以筛选单个文件查看修正效果：

# 替换为你要检查的文件名
filter(ta_data_fixed, filename == "sample_text.txt")

内容的提问来源于stack exchange，提问作者LilyLew