基于ua分组，计算ing与egr状态下fam和spp的数量差值

示例数据框：

df <- data.frame(status = c(rep("egr", 5), rep("ing", 5)),
                 ua = c(1, 1, 1, 1, 1, 1, 1, 1, 2, 2),
                 fam = c(rep("fam1", 2), rep("fam2", 7), "fam3"),
                 spp = c(rep("spp1", 3), rep("spp2", 3), "rep4", "rep5", rep("spp6", 2)))

需求：按ua列分组，使用summarise计算两种status（ing、egr）下，fam和spp的唯一值数量差（ing的数量减去egr的数量）。当前无法实现先按status提取对应fam和spp名称再汇总计算的操作。

期望输出：

output <- data.frame(ua = c(1, 2),
                     fam = c(-1, 2),
                     spp = c(1, 1))

计算逻辑：

• ua=1时，fam差值为-1：egr包含fam1、fam2（共2个唯一值），ing仅包含fam2（共1个唯一值），1-2=-1；
• ua=2时，无egr数据，fam差值为ing的唯一值数量2；
• ua=1时，spp差值为1：egr包含spp1、spp2（共2个唯一值），ing包含spp2、rep4、rep5（共3个唯一值），3-2=1；
• ua=2时，无egr数据，spp差值为ing的唯一值数量1。

方法一：先分组统计再转宽计算差值 #

通过先按ua和status分组统计唯一值数量，转换为宽格式后计算差值：

library(dplyr)
library(tidyr)

df %>%
  group_by(ua, status) %>%
  summarise(
    fam_n = n_distinct(fam),
    spp_n = n_distinct(spp),
    .groups = "drop"
  ) %>%
  pivot_wider(
    id_cols = ua,
    names_from = status,
    values_from = c(fam_n, spp_n),
    values_fill = 0  # 缺失对应status时用0填充
  ) %>%
  mutate(
    fam = fam_n_ing - fam_n_egr,
    spp = spp_n_ing - spp_n_egr
  ) %>%
  select(ua, fam, spp)

方法二：在summarise中直接计算差值 #

无需转宽，直接在分组后的summarise中分别筛选status计算唯一值数量差：

library(dplyr)

df %>%
  group_by(ua) %>%
  summarise(
    fam = n_distinct(fam[status == "ing"]) - n_distinct(fam[status == "egr"]),
    spp = n_distinct(spp[status == "ing"]) - n_distinct(spp[status == "egr"]),
    .groups = "drop"
  )

两种方法均可得到符合要求的输出结果。

内容的提问来源于stack exchange，提问作者hiperhiper