如何用dplyr在另一列存在重复值时为某列创建新类别？

我有一个记录各类研究坐标的dataframe，研究类型分为experiment（实验）和observation（观测），部分地点同时开展了这两种研究。我希望为这些地点的study列创建名为both的新类别，请问如何使用dplyr实现该需求？

示例数据 #

df1 <- data.frame(matrix(ncol = 4, nrow = 6))
colnames(df1)[1:4] <- c("value", "study", "lat","long")
df1$value <- c(1,1,2,3,4,4)
df1$study <- rep(c('experiment','observation'),3)
df1$lat <- c(37.541290,37.541290,38.936604,29.9511,51.509865,51.509865)
df1$long <- c(-77.434769,-77.434769,-119.986649,-90.0715,-0.118092,-0.118092)
df1

输出：

value       study      lat        long
1     1  experiment 37.54129  -77.434769
2     1 observation 37.54129  -77.434769
3     2  experiment 38.93660 -119.986649
4     3 observation 29.95110  -90.071500
5     4  experiment 51.50986   -0.118092
6     4 observation 51.50986   -0.118092

注：当study同时包含experiment和observation时，value列会出现重复值。

理想输出 #

value       study      lat        long
1     1        both 37.54129  -77.434769
2     2  experiment 38.93660 -119.986649
3     3 observation 29.95110  -90.071500
4     4        both 51.50986   -0.118092

解决方案 #

可以通过dplyr的分组、判断和去重操作实现，具体代码如下：

library(dplyr)

df_result <- df1 %>%
  # 按value、lat、long分组，标识同一地点
  group_by(value, lat, long) %>%
  # 判断分组内是否同时包含两种研究类型，设置对应study值
  mutate(study = ifelse(all(c("experiment", "observation") %in% study), 
                        "both", 
                        first(study))) %>%
  # 去重，保留每组唯一行
  distinct() %>%
  # 取消分组状态
  ungroup()

# 查看结果
df_result

代码说明 #

• group_by(value, lat, long)：将同一地点（相同value、经纬度）的行归为一组；
• mutate(...)：检查当前分组是否同时覆盖两种研究类型，是则将study设为both，否则保留原类型；
• distinct()：去除分组后重复的行，只保留每组一条记录；
• ungroup()：取消分组，恢复普通dataframe格式。

内容的提问来源于stack exchange，提问作者tassones