如何用dplyr汇总R中含布尔列的表格：统计组间条目存在情况

问题需求 #

现有一个包含3列的数据集：

• 第一列groupA为字符型条目
• 第二列groupB、第三列groupC为布尔向量，分别表示对应groupA条目是否存在于groupB和groupC中

需要汇总统计groupA条目在B、C中四种状态的数量：

• 同时不存在于B和C
• 同时存在于B和C
• 仅存在于B
• 仅存在于C

要求使用dplyr实现，原数据量达上万条。

示例数据 #

example <- data.frame(
 groupA = c('shshs', 'ihdfeowf', 'woefiewfh', 'awofjqweofj', 'hdhd', 'dudj'),
 groupB = c(T, T ,F, F, T, F),
 groupC = c(T, F, F, T, T, T))

# 预期输出（注：原预期结果中groupA列实际为对应状态的条目数量，此处改为count列更清晰）
expected_result <- data.frame(
 count = c(1, 2, 1, 2),
 groupB = c(F, T, T, F),
 groupC = c(F, T, F, T))

dplyr实现方案 #

通过按groupB和groupC的布尔组合分组，统计每组的条目数量即可完成需求：

library(dplyr)

# 执行统计
result <- example %>%
  group_by(groupB, groupC) %>%
  summarize(count = n(), .groups = "drop") %>%
  arrange(groupB, groupC) # 可选：调整结果顺序与预期一致

方案说明 #

• group_by(groupB, groupC)：将数据按B、C的存在状态组合分组，自动覆盖四种可能的布尔组合
• summarize(count = n())：统计每组的条目数量，n()返回当前组的行数
• .groups = "drop"：分组后取消分组状态，避免后续操作受分组影响
• arrange()：可选步骤，用于调整结果行的顺序，使其与预期输出匹配

该方案效率优异，即使处理上万条数据也能快速完成，符合大数据集的处理需求。

内容的提问来源于stack exchange，提问作者Sebastian Hesse