使用dplyr筛选同时含a、b类别的ID并统计数量

问题说明 #

给定包含ID和category两列的数据集，需找出同时包含类别a和b的ID，并统计这类ID的总数。示例数据中符合条件的ID为1和3，总数为2。

数据集准备 #

ID <- c(1,2,1,3,1,2,3,4,5,4,5)
category <- c("a", "a", "b", "a", "c", "a", "b", "b", "c", "d", "c")
df <- data.frame(ID, category)

解决方案 #

方法1：基础R实现 #

# 按ID分组，提取每个ID的唯一类别集合
id_unique_cats <- aggregate(category ~ ID, df, FUN = unique)

# 筛选同时包含a和b的ID
target_ids <- id_unique_cats$ID[sapply(id_unique_cats$category, function(x) all(c("a", "b") %in% x))]

# 统计符合条件的ID数量
length(target_ids)
# 输出：2

方法2：使用dplyr包（更简洁） #

library(dplyr)

result_count <- df %>%
  distinct(ID, category) %>%  # 去除每个ID下重复的类别
  group_by(ID) %>%
  filter(all(c("a", "b") %in% category)) %>%  # 筛选同时包含a和b的ID组
  pull(ID) %>%
  unique() %>%
  length()

print(result_count)
# 输出：2

内容的提问来源于stack exchange，提问作者Alex