R语言数据处理疑问：为何统计亲属照料信息时丢失大量行

嗨，这个问题很常见，我来帮你理清楚～

你得到的结果只有4564行，核心原因是你直接在relative数据集上做了分组统计，但这个数据集本身只包含有亲属照料记录的老年人，那些没有任何照料记录的老人根本没被纳入统计流程里。而且如果没有把统计结果和全量的senior表做关联，自然只会输出有数据的行，丢失了无照料记录的老人。

要得到包含所有10628位老人的结果，关键是要以senior表为基础（确保所有老人都被保留），再关联relative的数据进行统计。这里有两种常用的dplyr实现方法：

方法一：先左连接再分组汇总 #

从全量的老人表出发，用left_join关联照料数据，这样所有老人都会被保留，无照料记录的老人对应的id_relative和hours_care会自动填充为NA，之后再分组统计：

library(dplyr)

final_result <- senior %>%
  # 左连接，保留senior的所有行
  left_join(relative, by = "id_senior") %>%
  # 按老人ID分组
  group_by(id_senior) %>%
  # 统计亲属数量和总时长
  summarise(
    # 去重统计亲属数，排除NA（无照料的会返回0）
    nbr_relative = n_distinct(id_relative, na.rm = TRUE),
    # 求和时不忽略NA，这样无照料的会保留NA
    sum_hours = sum(hours_care, na.rm = FALSE)
  )

方法二：先统计照料数据再左连接 #

先在relative上完成分组统计，再把结果左连接到senior表，最后补全缺失值：

library(dplyr)

# 先统计有照料记录的老人的亲属数和总时长
care_summary <- relative %>%
  group_by(id_senior) %>%
  summarise(
    nbr_relative = n_distinct(id_relative),
    sum_hours = sum(hours_care)
  )

# 关联到全量老人表，补全无照料老人的亲属数为0，总时长保留NA
final_result <- senior %>%
  left_join(care_summary, by = "id_senior") %>%
  mutate(nbr_relative = replace_na(nbr_relative, 0))

两种方法都能得到10628行的结果，其中无照料记录的老人nbr_relative为0，sum_hours为NA，完全符合你的需求～

内容的提问来源于stack exchange，提问作者Emeline