如何用Tidyverse风格重写R语言双重循环的密度计算代码？

以下是用tidyverse工具链（dplyr、tidyr）重写的代码，保留了原有的筛选逻辑，同时提升了可读性和代码效率：

library(tidyverse)

set.seed(123)
a_df <- data.frame(
  sample = sample(c("A","B", "C"), 50, replace=TRUE),
  type = paste0(sample(letters[1:3], 50, replace=TRUE), sample(letters[1:3],50, replace=TRUE)),
  area = sample(1:100, 50, replace=TRUE)
)
targets <- c("ab", "bb")

all_densities <- crossing(sample = unique(a_df$sample), target_type = targets) %>%
  left_join(a_df, by = "sample") %>%
  filter(grepl(target_type, type)) %>%  # 替换为你的自定义筛选函数即可
  group_by(sample, target_type) %>%
  summarise(
    density = n() / sum(area, na.rm = TRUE),
    .groups = "drop"
  ) %>%
  rename(type = target_type)

代码说明： #

• crossing()：生成所有sample与target的组合，替代原双重循环的遍历逻辑，确保每个分组都被覆盖
• left_join()：将组合表与原数据关联，保留所有需要计算的分组
• filter()：执行类型筛选，原代码的grep用grepl替代（返回逻辑向量更符合dplyr风格），直接替换成你的自定义筛选函数即可
• group_by() + summarise()：按sample和target分组计算密度，n()统计符合条件的行数，sum(area)计算对应面积总和
• rename()：统一列名，和原输出结构保持一致

内容的提问来源于stack exchange，提问作者Fabrizio