如何按fam_id分组统计emp总数并匹配至每行（R语言dplyr）

需要对数据集acs_5years按fam_id分组，统计每个家庭中emp列值为1的人数（即就业人数），并将该统计结果作为total_employed列添加到原数据的每一行，同一家族的所有行对应相同的就业总数。

原始数据 #

fam_id  emp  ins  age
33      1    1    45
33      0    1    23
44      1    1    19
44      1    0    26
44      1    0    54
44      1    0    50
77      1    1    33
77      1    1    38
77      1    1    44
88      1    0    65
88      0    0    90

期望输出 #

fam_id  emp  ins  age  total_employed
33      1    1    45     1
33      0    1    23     1
44      1    1    19     4
44      1    0    26     4
44      1    0    54     4
44      1    0    50     4
77      1    1    33     3
77      1    1    38     3
77      1    1    44     3
88      1    0    65     1
88      0    0    90     1

原有代码问题分析 #

1. 第一段代码用summarize(total_count=n())，统计的是每组的总人数，不是emp=1的就业人数，并且summarize会将每组压缩为一行，无法直接关联到原数据的每一行。
2. 第二段代码summarize(total_count=(emp))逻辑错误，summarize要求每组返回单个值，直接传入emp会导致仅返回该组的第一个emp值（或报错），没有实现求和统计。

解决方案 #

方法1：使用mutate直接添加统计列（推荐） #

mutate会保留原数据的所有行，对每组计算就业人数并填充到每行的新列中：

library(dplyr)

acs_5years <- acs_5years %>%
  group_by(fam_id) %>%
  mutate(total_employed = sum(emp)) %>%
  ungroup() # 可选：取消分组，避免后续操作受分组影响

方法2：先统计再关联原数据 #

先分组统计每个家庭的就业人数，再通过left_join将统计结果合并到原数据：

library(dplyr)

# 第一步：分组统计就业人数
emp_summary <- acs_5years %>%
  group_by(fam_id) %>%
  summarize(total_employed = sum(emp), .groups = 'drop')

# 第二步：合并到原数据
acs_5years <- acs_5years %>%
  left_join(emp_summary, by = "fam_id")

验证结果 #

运行上述任意一种方法后，acs_5years数据框将包含期望的total_employed列，同一家族的所有行对应相同的就业总数。

内容的提问来源于stack exchange，提问作者cat_88