如何在单个group_by+summarise中计算多条件下的distinct值？

你可以通过在summarise中直接对目标变量做条件子集化，同时计算两种场景下的n_distinct值，无需分开执行两次操作。

示例数据 #

library(tidyverse)

set.seed(1)

sample_size = 20

df = tibble(id = 1:sample_size,
            var_1 = sample(c(1:5), sample_size, replace = TRUE),
            var_2 = sample(c('yes','no','maybe'), sample_size, replace = TRUE),
            month = sample(c(1:12), sample_size, replace = TRUE),
            year = sample(c(2022,2023), sample_size, replace = TRUE)
)

合并后的代码实现 #

df %>% 
  group_by(month, year) %>% 
  summarise(
    distinct_var_1 = n_distinct(var_1),  # 分组内所有var_1的不同观测数
    distinct_var_1_maybe = n_distinct(var_1[var_2 == 'maybe'])  # 仅var_2为'maybe'时的var_1不同观测数
  ) %>% 
  ungroup()

代码说明 #

• n_distinct(var_1)：直接统计分组内全部var_1的唯一值数量，对应你原本的第一个需求。
• n_distinct(var_1[var_2 == 'maybe'])：通过var_2 == 'maybe'筛选出符合条件的var_1值，再统计其唯一值数量，效果等价于先执行filter再统计，但省去了额外的筛选步骤。

如果某个分组中没有var_2 == 'maybe'的记录，n_distinct会返回0；若需要和分开操作的结果完全一致（无符合条件的分组不显示），可在代码末尾追加filter(distinct_var_1_maybe > 0)，不过保留0通常能更完整地展示所有分组的统计情况。

内容的提问来源于stack exchange，提问作者James