使用dplyr的summarise实现分组聚合与条件取值需求

原始数据 #

需求 #

1. 按subs_id分组计算amount的总和，命名为ttl_amount；
2. 新增一列：若该subs_id存在flag="taker"的记录，显示对应amount值，否则显示0。

预期结果 #

错误代码与报错 #

尝试的代码：

df%>%
    group_by(subs_id)%>%
    summarise(ttl_amount=sum(amt),
              amount=case_when(flag=="taker"~amt[which(flag=="taker")[1]],TRUE~0))

报错信息：

! 'names' attribute [1] must be the same length as the vector [0]

问题分析 #

1. 列名错误：代码中误用amt，但原始数据的列名是amount，导致无法正确取值；
2. 索引逻辑问题：当分组内无flag="taker"记录时，which(flag=="taker")[1]返回空值，用空值索引向量会触发长度不匹配错误；
3. 聚合逻辑错误：summarise要求每个表达式返回单值，但原代码的case_when是逐行处理，不符合聚合规则。

解决方案（优先使用summarise） #

修正后的代码：

df %>%
    group_by(subs_id) %>%
    summarise(
        ttl_amount = sum(amount),
        amount = if(any(flag == "taker")) amount[flag == "taker"] else 0
    )

代码说明 #

• sum(amount)：正确引用列名，计算分组内amount的总和；
• if(any(flag == "taker")) ... else 0：先判断分组内是否存在taker记录，存在则提取对应amount值（每组仅一条taker记录，直接索引即可），否则返回0；
• 完全基于summarise实现，满足后续追加其他聚合操作的需求。

运行后即可得到预期结果表格。

内容的提问来源于stack exchange，提问作者GitZine