R语言：基于dplyr实现length列与position列的匹配及≤次数统计

原始数据 #

data_frame <- structure(list(position = c(10, 15, 10, 10, 25, 19, 25, 15, 20, 
31, 22, 20, 10, 19), length = c(21, 15, 19, 10, 27, 19, 25, 31, 
34, 31, 26, 27, 10, 19)), class = "data.frame", row.names = c(NA, 
-14L))

需求 #

生成包含以下两个统计列的新数据框：

• desired_col1：统计整个length列中等于当前行position值的次数
• desired_col2：统计整个length列中小于等于当前行position值的次数

dplyr解决方案 #

结合dplyr和purrr的map_dbl函数可以高效实现需求，代码简洁且可读性强：

library(dplyr)
library(purrr)

# 生成包含统计列的新数据框
result_df <- data_frame %>%
  mutate(
    # 统计length等于当前position的次数
    desired_col1 = map_dbl(position, ~sum(length == .x)),
    # 统计length小于等于当前position的次数
    desired_col2 = map_dbl(position, ~sum(length <= .x))
  )

替代方案（无purrr依赖） #

如果不想引入purrr，可以使用rowwise()逐行计算（适合小数据集）：

result_df_rowwise <- data_frame %>%
  rowwise() %>%
  mutate(
    desired_col1 = sum(length == position),
    desired_col2 = sum(length <= position)
  ) %>%
  ungroup()

结果验证 #

运行上述代码后，输出的result_df如下：

print(result_df)
#>    position length desired_col1 desired_col2
#> 1        10     21            2            2
#> 2        15     15            1            3
#> 3        10     19            2            2
#> 4        10     10            2            2
#> 5        25     27            1            8
#> 6        19     19            3            5
#> 7        25     25            1            8
#> 8        15     31            1            3
#> 9        20     34            0            5
#> 10       31     31            2           12
#> 11       22     26            0            6
#> 12       20     27            0            5
#> 13       10     10            2            2
#> 14       19     19            3            5

对比原sapply实现 #

如果之前用sapply实现desired_col1：

data_frame$desired_col1_sapply <- sapply(data_frame$position, function(x) sum(data_frame$length == x))

dplyr的链式调用方式更符合tidyverse风格，代码结构更清晰，同时一次性解决了两个统计列的需求。

内容的提问来源于stack exchange，提问作者ramen