基于多条件为DataFrame分配类别并按类别汇总count值

步骤1：加载必要工具包 #

先安装并加载tidyverse包，它包含了数据处理所需的dplyr和tidyr工具：

library(tidyverse)

步骤2：生成category字段 #

根据给定的时间规则，用case_when为每条数据匹配对应的类别：

df_final <- df %>%
  mutate(
    category = case_when(
      time <= 10 ~ 1,
      time > 10 & time <= 20 ~ 2,
      time > 20 & time <= 30 ~ 3,
      time > 30 ~ 4
    )
  )

执行后会得到带category字段的df_final，每条数据都对应正确的类别标签。

步骤3：构建全类别组合 #

为了保证每个name都覆盖所有4个category（哪怕没有对应数据），先生成name和category的全量组合：

full_categories <- expand_grid(name = unique(df$name), category = 1:4)

步骤4：汇总并填充缺失值 #

按name和category汇总count总和，再与全组合表做右连接，缺失类别的汇总值会自动填充为NA：

df_ultimate <- df_final %>%
  group_by(name, category) %>%
  summarise(total_count = sum(count), .groups = "drop") %>%
  right_join(full_categories, by = c("name", "category")) %>%
  arrange(name, category)

最终输出结果 #

运行上述代码后，df_ultimate的内容如下：

name category total_count
1     A        1          24
2     A        2          17
3     A        3          30
4     A        4          NA
5     B        1           7
6     B        2          NA
7     B        3          18
8     B        4          14
9     C        1          22
10    C        2          12
11    C        3          13
12    C        4          NA

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