在R中按条件新增列并统计元素跨组重复次数

我来帮你搞定这个需求，用R的dplyr包就能轻松实现，步骤很清晰：

代码实现 #

如果还没安装dplyr包，先执行install.packages("dplyr")安装，之后运行以下代码：

library(dplyr)

# 1. 统计每个Sequence对应的唯一Groups数量，同时按规则处理COL5
seq_group_stats <- test_df %>%
  group_by(COL4) %>%
  summarise(COL5 = n_distinct(Groups)) %>%
  mutate(COL5 = ifelse(COL5 > 1, COL5, 0))

# 2. 将统计结果合并回原数据框，得到最终结果
final_df <- test_df %>%
  left_join(seq_group_stats, by = "COL4")

代码解释 #

• group_by(COL4)：按Sequence分组，方便后续针对每个Sequence统计跨组情况
• n_distinct(Groups)：精准计算每个Sequence在多少个不同Groups中出现，这正是你需要的次数
• ifelse(COL5 > 1, COL5, 0)：把仅在单个Group出现的Sequence对应的COL5值设为0，完全匹配你的规则
• left_join(...)：把统计好的COL5值匹配到原数据的每一行，确保每个对应Sequence的行都能得到正确结果

结果验证 #

运行后你会得到和目标完全一致的DataFrame：

• Sequence3在G1和G2出现，对应行的COL5为2
• Sequence16在G1、G2、G3出现，对应行的COL5为3
• 其他仅在单个Group出现的Sequence，COL5都为0

内容的提问来源于stack exchange，提问作者Grendel