如何比较并统计R数据框多列中唯一值组合的出现次数？

你需要统计数据框中col1、col2、col3三列的唯一值组合出现次数，生成包含计数列的新数据框。

示例数据 #

df <- data.frame( col1 = c(1,2,3,4,1,2,3,4,1),
                  col2 = c(5,6,7,8,5,6,7,8,5),
                  col3 = c(9,10,11,12,9,10,11,13,9))

目标结果 #

df2 <- data.frame( col1 = c(1,2,3,4,4),
                   col2 = c(5,6,7,8,8),
                   col3 = c(9,10,11,12,13),
                   count = c(3,2,2,1,1))

原代码问题分析 #

你之前的代码存在两个核心问题：

• 先用distinct()去重，直接丢失了重复组合的计数信息，后续统计的是去重后分组的数量，而非原数据中组合的真实出现次数。
• 仅按col3分组，没有以三列的完整组合作为分组依据，无法准确统计目标组合的出现次数。

正确解决方法 #

方法1：使用dplyr（推荐） #

直接按三列的组合分组，统计每组的行数即可：

library(dplyr)

df2 <- df %>%
  group_by(col1, col2, col3) %>%
  summarize(count = n(), .groups = "drop")

• group_by(col1, col2, col3)：以三列的唯一组合作为分组依据
• summarize(count = n())：统计每组的行数，即对应组合的出现次数
• .groups = "drop"：取消分组状态，返回普通数据框，避免后续操作受分组干扰

运行后结果与目标df2完全一致。

方法2：使用base R #

如果不想加载dplyr包，可通过以下两种方式实现：

# 方式1：用aggregate函数
df2 <- aggregate(. ~ col1 + col2 + col3, data = df, FUN = length)
names(df2)[4] <- "count"

# 方式2：用table转换为数据框
tab <- table(df$col1, df$col2, df$col3)
df2 <- as.data.frame(tab, responseName = "count")
names(df2)[1:3] <- c("col1", "col2", "col3")

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